Gaussisk prosess
En Gaussisk prosess (GP) er en ikke-parametrisk, fullstendig probabilistisk maskinlæringsmodell som plasserer en forhåndsfordeling direkte over funksjoner. I stedet for å predikere en enkelt verdi, returnerer den et prediktivt gjennomsnitt og et kalibrert usikkerhetsestimat ved hvert testpunkt, noe som gjør den spesielt verdifull for regresjon på små til mellomstore datasett og for Bayesianske optimeringsoppgaver.
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.
+20 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/no/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.
- Bayesiansk Gaussisk ProsessMaskinlæring↔ compare
- Bayesiansk optimeringOptimering↔ compare
- Random ForestMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →