Ensemble Gaussian Process
Ensemble Gaussian Process traint meerdere onafhankelijke GP-experts op data-subsets of overlappende regio's, en combineert vervolgens hun posterior-voorspellingen — gemiddelden en varianties — tot een enkele probabilistische prognose. Deze aanpak behoudt de gekalibreerde onzekerheidsschattingen van standaard GPs, terwijl de O(n³) kubieke kostendrempel wordt overwonnen, waardoor probabilistische regressie praktisch wordt op datasets met duizenden tot miljoenen observaties.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/nl/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.
- Bayesian Gaussische ProcesMachine learning↔ compare
- Gaussiaans ProcesMachine learning↔ compare
- Random ForestMachine learning↔ compare
- Voting EnsembleMachine learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →