Processo Gaussiano Semi-supervisionato
Il Processo Gaussiano Semi-supervisionato estende il framework probabilistico dei GP per sfruttare dati non etichettati insieme a un piccolo insieme di osservazioni etichettate. Ponendo un prior GP sulle funzioni e sfruttando la struttura geometrica rivelata dagli input non etichettati, apprende predittori più accurati e meglio calibrati rispetto a un GP puramente supervisionato quando le etichette sono scarse, rendendolo adatto a problemi scientifici e medici in cui l'annotazione è costosa.
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
- Lawrence, N. D., & Jordan, M. I. (2004). Semi-supervised learning via Gaussian processes. In Advances in Neural Information Processing Systems (NIPS), 17, 753–760. MIT Press. 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). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/it/machine-learning/semi-supervised-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
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Random Forest Semi-SupervisionatoApprendimento automatico↔ compare
- Support Vector Machine Semi-Supervised (S3VM)Apprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →