Machine learningMachine learning
半教師ありガウス過程
半教師ありガウス過程は、少数のラベル付き観測データとともにラベルなしデータを活用するために、確率的GPフレームワークを拡張したものです。関数上にGP事前分布を置き、ラベルなし入力によって明らかにされる幾何学的構造を利用することで、ラベルが少ない場合には純粋な教師ありGPよりも正確で、より適切に較正された予測器を学習します。これは、アノテーションが高価な科学的および医学的問題に適しています。
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
- 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
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ja/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.
- 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
- 半教師あり学習機械学習↔ compare
- 半教師ありランダムフォレスト機械学習↔ compare
- 半教師ありサポートベクターマシン機械学習↔ compare