Processus Gaussien d'Ensemble
Le processus gaussien d'ensemble (Ensemble Gaussian Process) entraîne plusieurs experts GP indépendants sur des sous-ensembles de données ou des régions qui se chevauchent, puis combine leurs prédictions postérieures — moyennes et variances — en une seule prévision probabiliste. Cette approche conserve les estimations d'incertitude calibrées des GP standards tout en surmontant leur goulot d'étranglement de coût cubique en O(n³), rendant la régression probabiliste pratique sur des ensembles de données allant de milliers à des millions d'observations.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Tresp, V. (2000). A Bayesian Committee Machine. Neural Computation, 12(11), 2719–2741. DOI: 10.1162/089976600300014908 ↗
- Deisenroth, M. P., & Ng, J. W. (2015). Distributed Gaussian Processes. Proceedings of the 32nd International Conference on Machine Learning (ICML), PMLR 37, 1481–1490. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/fr/machine-learning/ensemble-gaussian-process
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Processus Gaussien BayésienApprentissage automatique↔ compare
- Processus GaussienApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Ensemble par voteApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →