Proses Gaussian Bayesian
Proses Gaussian Bayesian (GP) meletakkan taburan kebarangkalian secara langsung ke atas fungsi, menggunakan kernel untuk mengekod kesamaan antara input. Selepas memerhati data, petua Bayes menukar prior ini kepada posterior yang menghasilkan bukan sahaja ramalan titik tetapi juga anggaran ketidakpastian terkalibrasi pada setiap input baharu — menjadikannya salah satu model kebarangkalian yang paling berprinsip dalam pembelajaran mesin.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Sumber
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 6). Springer. ISBN: 978-0-387-31073-2
Cara memetik halaman ini
ScholarGate. (2026, June 3). Bayesian Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ms/machine-learning/bayesian-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.
- Regresi Linear BayesianBayesian↔ compare
- Pengoptimuman BayesianPengoptimuman↔ compare
- Gaussian ProcessPembelajaran Mesin↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →