Processus Gaussien
Un processus Gaussien (GP) est un modèle d'apprentissage automatique non paramétrique, entièrement probabiliste, qui place une distribution a priori directement sur les fonctions. Plutôt que de prédire une valeur unique, il renvoie une moyenne prédictive et une estimation de l'incertitude calibrée à chaque point de test, ce qui le rend particulièrement précieux pour la régression sur des jeux de données de petite à moyenne taille et pour les tâches d'optimisation bayésienne.
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.
+20 more
Sources
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
- Gaussian process. Wikipedia. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/fr/machine-learning/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
- Optimisation bayésienneOptimisation↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →