Gaußu procesu ansamblis
Gaußu procesu ansamblis (Ensemble Gaussian Process, turpmāk – Ensemble GP) apmāca vairākus neatkarīgus GP ekspertus uz datu apakškopām vai pārklājošiem apgabaliem, pēc tam apvienojot viņu posteriorās prognozes — vidējos lielumus un dispersijas — vienā probabilistiskā prognozē. Šī pieeja saglabā standarta GP kalibrētās nenoteiktības aplēses, vienlaikus pārvarot to kubisko O(n³) izmaksu pudeļu kaklu, padarot probabilistisko regresiju praktisku datu kopām ar tūkstošiem līdz miljoniem novērojumu.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Tresp, V. (2000). A Bayesian Committee Machine. Neural Computation, 12(11), 2719–2741. DOI: 10.1162/089976600300014908 ↗
- Deisenroth, M. P., & Ng, J. W. (2015). Distributed Gaussian Processes. Proceedings of the 32nd International Conference on Machine Learning (ICML), PMLR 37, 1481–1490. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/lv/machine-learning/ensemble-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.
- Beijes Gaussian processMašīnmācīšanās↔ compare
- Gausa processMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Balsošanas ansamblisMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →