Gaussovi procesi
Gaussov proces (GP) je neparametarski, potpuno probabilistički model strojnog učenja koji postavlja apriorne distribucije izravno na funkcije. Umjesto predviđanja jedne vrijednosti, on vraća prediktivni prosjek i kalibriranu procjenu nesigurnosti na svakoj testnoj točki, što ga čini posebno vrijednim za regresiju na malim do srednjim skupovima podataka i za zadatke Bayesove optimizacije.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/hr/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.
- Bayesovski Gaussov procesStrojno učenje↔ compare
- Bayesian OptimizationOptimizacija↔ compare
- Slučajna šumaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →