Ensemble Gaussisk Prosess
Ensemble Gaussisk Prosess (Ensemble GP) trener flere uavhengige GP-eksperter på delmengder av data eller overlappende regioner, og kombinerer deretter deres posteriorprediksjoner – gjennomsnitt og varianser – til en enkelt probabilistisk prognose. Denne tilnærmingen beholder de kalibrerte usikkerhetsestimatene fra standard GP-er, samtidig som den overvinner deres O(n³) kubiske kostnadsflaskehals, noe som gjør probabilistisk regresjon praktisk på datasett med tusenvis til millioner av observasjoner.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/no/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.
- Bayesiansk Gaussisk ProsessMaskinlæring↔ compare
- Gaussisk prosessMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- StemmeensembleMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →