Processo Gaussiano
Un Processo Gaussiano (GP) è un modello di machine learning non parametrico, completamente probabilistico, che pone una distribuzione a priori direttamente sulle funzioni. Piuttosto che predire un singolo valore, restituisce una media predittiva e una stima calibrata dell'incertezza in ogni punto di test, rendendolo particolarmente prezioso per la regressione su dataset di piccole e medie dimensioni e per compiti di ottimizzazione Bayesiana.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/it/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.
- Processo Gaussiano BayesianoApprendimento automatico↔ compare
- Ottimizzazione BayesianaOttimizzazione↔ compare
- Random ForestApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →