Machine learningMachine learning
ガウス過程
ガウス過程（GP）は、関数上に直接事前分布を置くノンパラメトリックな完全確率的機械学習モデルである。単一の値を予測するのではなく、各テストポイントで予測平均と校正された不確実性推定値を返すため、小〜中規模データセットでの回帰やベイズ最適化タスクに特に価値がある。
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.
+20 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ja/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.
Compare side by side →この手法を参照する項目
アクティブラーニング・ガウシアンプロセスベイジアン能動学習ベイジアン決定木ベイズ連合学習ベイズ的少数ショット学習ベイズ混合ガウスモデルベイジアン・ガウス過程ベイズ距離学習ベイジアンナイーブベイズベイズ非パラメトリック法ベイズ的ワンクラスSVMベイズ逐次学習ベイズランダムフォレストベイズ的半教師あり学習ベイジアン・スタッキング・アンサンブルベイズサポートベクターマシンアンサンブルガウス過程説明可能なガウス過程距離学習正則化ガウス過程正則化k近傍法正則化半教師あり学習ロバスト・ガウス過程自己教師ありガウス過程自己教師ありOne-class SVM半教師ありガウス過程半教師ありワンクラスSVMSpatial Variational Inference