नियमितीकृत गॉसियन प्रक्रिया
एक नियमितीकृत गॉसियन प्रक्रिया (जीपी) एक संभाव्य कर्नेल-आधारित मॉडल है जो फलनों पर एक पूर्व-निर्धारण रखता है और अवलोकन शोर भिन्नता — शोर नियमितीकरण पैरामीटर — के माध्यम से अति-अनुकूलन को स्पष्ट रूप से नियंत्रित करता है, जो मॉडल को प्रशिक्षण लेबल याद रखने से रोकता है। यह भविष्यवाणियों के साथ-साथ अंशांकित अनिश्चितता अनुमान भी उत्पन्न करता है, जिससे यह छोटे या महंगे डेटासेट के लिए विशेष रूप से उपयुक्त होता है जहाँ मॉडल कितना आत्मविश्वासी है, यह जानना भविष्यवाणी के जितना ही महत्वपूर्ण है।
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: 978-0-262-18253-9
- Scholkopf, B., & Smola, A. J. (2002). Learning with Kernels: Support Vector Machines, Regularization, Optimization, and Beyond. MIT Press. ISBN: 978-0-262-19475-4
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Regularized Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/hi/machine-learning/regularized-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.
- बायेसियन गॉसियन प्रक्रियामशीन अधिगम↔ compare
- गॉसियन प्रक्रियामशीन अधिगम↔ compare
- नियमित रैखिक प्रतिगमनमशीन अधिगम↔ compare
- नियमितीकृत सपोर्ट वेक्टर मशीनमशीन अधिगम↔ compare