Machine learningMachine learning
ロバスト・ガウス過程
ロバスト・ガウス過程（Robust GP）は、標準的なガウス過程の枠組みを拡張し、学習データ中の外れ値の影響を低減するために、ガウスノイズ尤度を裾の重い分布（典型的にはスチューデントt分布）で置き換えるものである。標準的なGPの確率論的で不確実性を定量化する特性を完全に保持しつつ、破損または異常な観測に対する感度を大幅に低減する。
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.
出典
- 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
このページの引用方法
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ja/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.
- ベイジアン・ガウス過程機械学習↔ compare
- ガウス過程機械学習↔ compare
- ロバスト線形回帰機械学習↔ compare
- ロバスト・ランダム・フォレスト機械学習↔ compare
- ロバストサポートベクターマシン機械学習↔ compare