Metodes pierādījumu reģistrs

Robust Gaussian Process

Robust Gaussian Process (Robust GP) extends the standard Gaussian Process framework by replacing the Gaussian noise likelihood with a heavy-tailed distribution — typically Student-t — so that outliers in the training data exert less influence on the learned function. It retains the full probabilistic, uncertainty-quantifying character of a standard GP while becoming far less sensitive to corrupted or anomalous observations.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Robust Gaussian Process Regression and Classification

Taksonomiskās metodes reģistrs · ml-model / machine-learning

Jylanki, P., Vanhatalo, J., & Vehtari, A. (2011). Robust Gaussian Process Regression with a Student-t Likelihood. Journal of Machine Learning Research, 12, 3227–3257. · URL
Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. · ISBN 978-0-262-18253-9

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Taxonomic bucketBayesian Gaussian Processmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketGaussian Processmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Linear Regressionmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Random Forestmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Support Vector Machinemachine-suggested · Relational suggestion, not evidence.