Machine learningMachine learning
説明可能なガウス過程
説明可能なガウス過程（XAI-GP）は、ガウス過程モデルの確率論的で不確実性を認識した予測と、SHAP値、カーネル分解、感度分析などの体系的な解釈性ツールを組み合わせたもので、各予測には、校正された信頼区間と、どの入力がそれを駆動したかの監査可能な説明が付属します。
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.
出典
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
- Lundberg, S. M., & Lee, S.-I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Explainable Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ja/machine-learning/explainable-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.
- ベイジアン・ガウス過程機械学習↔ compare
- 説明可能な勾配ブースティング機械学習↔ compare
- 説明可能なランダムフォレスト機械学習↔ compare
- ガウス過程機械学習↔ compare
- 正則化ガウス過程機械学習↔ compare