גאוסית תהליך חצי-מפוקח
גאוסית תהליך חצי-מפוקח מרחיב את מסגרת ה-GP ההסתברותית כדי לנצל נתונים לא מתויגים לצד קבוצה קטנה של תצפיות מתויגות. על ידי הצבת קדימות GP על פונקציות ומינוף המבנה הגיאומטרי שנחשף על ידי קלטים לא מתויגים, הוא לומד מנבאים מדויקים יותר ומכוילים טוב יותר מ-GP מפוקח טהור כאשר התוויות נדירות, מה שהופך אותו מתאים לבעיות מדעיות ורפואיות שבהן התיוג יקר.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Lawrence, N. D., & Jordan, M. I. (2004). Semi-supervised learning via Gaussian processes. In Advances in Neural Information Processing Systems (NIPS), 17, 753–760. MIT Press. link ↗
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/he/machine-learning/semi-supervised-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.
- תהליך גאוסי בייסיאנילמידת מכונה↔ compare
- תהליך גאוסילמידת מכונה↔ compare
- למידה מונחית-למחצהלמידת מכונה↔ compare
- יער אקראי מבוסס למידה חצי-מפוקחתלמידת מכונה↔ compare
- מכונת וקטורים תומכים (SVM) חצי-מפוקחתלמידת מכונה↔ compare