Robust Gaussian Process Regression and Classification

Gaussian Process standar mengasumsikan bahwa setiap observasi menyimpang dari fungsi sebenarnya oleh kebisingan Gaussian. Karena distribusi Gaussian memiliki ekor yang sangat tipis, bahkan satu pencilan besar dapat menarik seluruh kurva yang disesuaikan secara dramatis dari jalurnya. Robust GP mengganti model kebisingan berekor lebih tebal, seperti distribusi Student-t, yang ekornya memberikan probabilitas lebih besar pada penyimpangan besar. Model ini secara efektif mengecilkan bobot titik data yang tampak seperti pencilan dan membiarkan sinyal yang mulus dan masuk akal secara fisik mendorong penyesuaian. Hasilnya adalah estimasi ketidakpastian yang berprinsip yang tidak terdistorsi oleh segelintir observasi buruk.