Ensemble Gaussian Process
Ensemble Gaussian Process trenira više neovisnih GP eksperata na podskupovima podataka ili preklapajućim regijama, a zatim kombinira njihove posteriorne predikcije — srednje vrijednosti i varijance — u jedinstvenu probabilističku prognozu. Ovaj pristup zadržava kalibrirane procjene nesigurnosti standardnih GP-ova, istovremeno prevladavajući njihov uski grlo kubičnog troška O(n³), čineći probabilističku regresiju praktičnom na skupovima podataka s tisućama do milijunima promatranja.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/hr/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.
- Bayesovski Gaussov procesStrojno učenje↔ compare
- Gaussovi procesiStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Glasački sklopStrojno učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →