Machine learningMachine learning
ベイジアン・ガウス過程
ベイジアン・ガウス過程（GP）は、カーネルを用いて入力間の類似性をエンコードすることにより、関数上に直接確率分布を配置する。データを観測した後、ベイズの定理により、この事前分布は事後分布に変換され、点予測だけでなく、新しい各入力における校正済みの不確実性推定も提供する。これにより、機械学習における最も原理的な確率モデルの一つとなる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
出典
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 6). Springer. ISBN: 978-0-387-31073-2
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ja/machine-learning/bayesian-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.
Compare side by side →