Machine learningMachine learning
로버스트 가우시안 프로세스
로버스트 가우시안 프로세스(Robust GP)는 가우시안 잡음 우도(Gaussian noise likelihood)를 꼬리가 두꺼운 분포(heavy-tailed distribution) — 일반적으로 스튜던트-t 분포 — 로 대체하여 표준 가우시안 프로세스 프레임워크를 확장합니다. 이를 통해 훈련 데이터의 이상치(outliers)가 학습된 함수에 미치는 영향을 줄입니다. 이는 표준 GP의 완전한 확률적 불확실성 정량화 특성을 유지하면서도 손상되거나 비정상적인 관측치에 훨씬 덜 민감해집니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ko/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.
- 베이즈 가우시안 과정머신러닝↔ compare
- 가우시안 프로세스머신러닝↔ compare
- 강건 선형 회귀머신러닝↔ compare
- 로버스트 랜덤 포레스트머신러닝↔ compare
- 로버스트 서포트 벡터 머신머신러닝↔ compare