बायेसियन नॉनपैरामेट्रिक विधियाँ
बायेसियन नॉनपैरामेट्रिक विधियाँ लचीले बायेसियन मॉडल का एक परिवार हैं जिनमें मॉडल की जटिलता पहले से तय नहीं होती, बल्कि डेटा के साथ स्वचालित रूप से बढ़ती है। दो सबसे अधिक उपयोग किए जाने वाले सदस्य हैं डिरिचलेट प्रोसेस मिक्सचर (DPM), जो क्लस्टर की संख्या पूर्व-निर्धारित किए बिना अवलोकनों को क्लस्टर करता है, और गॉसियन प्रोसेस (GP) रिग्रेशन, जो सीधे फ़ंक्शन पर एक प्रायर रखता है और पैरामीट्रिक रूप के प्रति प्रतिबद्ध हुए बिना रिग्रेशन या वर्गीकरण करता है। दोनों ढाँचों को बायेसियन नॉनपैरामेट्रिक साहित्य में औपचारिक रूप दिया गया था, जिसमें रासमुसेन और विलियम्स (2006) द्वारा विहित GP उपचार दिया गया था।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Rasmussen, C.E. & Williams, C.K.I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0262182539
- Müller, P. & Quintana, F.A. (2004). Nonparametric Bayesian Data Analysis. Statistical Science, 19(1), 95–110. DOI: 10.1214/088342304000000017 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Bayesian Nonparametric Methods (Dirichlet Process / Gaussian Process). ScholarGate. https://scholargate.app/hi/bayesian/bayesian-nonparametric
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.
- बेयसियन रिग्रेशनबायेसियन↔ compare
- गॉसियन प्रक्रियामशीन अधिगम↔ compare
- मार्कोव चेन मोंटे कार्लो (MCMC)बायेसियन↔ compare