Gausa process
Gausa process (GP) ir neparametrisks, pilnībā probabilistisks mašīnmācīšanās modelis, kas uzliek priekšēju sadalījumu tieši funkcijām. Tā vietā, lai prognozētu vienu vērtību, tas atgriež prognozēto vidējo vērtību un kalibrētu nenoteiktības novērtējumu katrā testēšanas punktā, padarot to īpaši vērtīgu regresijai mazos un vidējos datu kopumos un Baiesa optimizācijas uzdevumiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+20 more
Avoti
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
- Gaussian process. Wikipedia. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/lv/machine-learning/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
- Optimizācija ar Bajesas metodiOptimizācija↔ compare
- Random ForestMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →