Gaussian Process Robusto
Il Gaussian Process Robusto (Robust GP) estende il framework standard del Gaussian Process sostituendo la verosimiglianza del rumore Gaussiano con una distribuzione a code pesanti — tipicamente la t di Student — in modo che gli outlier nei dati di addestramento esercitino meno influenza sulla funzione appresa. Mantiene il carattere probabilistico completo e di quantificazione dell'incertezza di un GP standard, diventando al contempo molto meno sensibile a osservazioni corrotte o anomale.
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.
Fonti
- Jylanki, P., Vanhatalo, J., & Vehtari, A. (2011). Robust Gaussian Process Regression with a Student-t Likelihood. Journal of Machine Learning Research, 12, 3227–3257. link ↗
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/it/machine-learning/robust-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
- Processo GaussianoApprendimento automatico↔ compare
- Regressione Lineare RobustaApprendimento automatico↔ compare
- Random Forest RobustoApprendimento automatico↔ compare
- Support Vector Machine RobustaApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →