Robust Gaussisk Prosess
Robust Gaussisk Prosess (Robust GP) utvider standard Gaussisk prosess-rammeverk ved å erstatte den Gaussiske støy-likelihooden med en fordeling med tunge haler — typisk Student-t — slik at uteliggere i treningsdataene har mindre innflytelse på den lærte funksjonen. Den beholder den fulle probabilistiske, usikkerhetskvantifiserende karakteren til en standard GP, samtidig som den blir langt mindre følsom for korrupte eller anomale 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
- Jylanki, P., Vanhatalo, J., & Vehtari, A. (2011). Robust Gaussian Process Regression with a Student-t Likelihood. Journal of Machine Learning Research, 12, 3227–3257. link ↗
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/no/machine-learning/robust-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
- Robust lineær regresjonMaskinlæring↔ compare
- Robust Random ForestMaskinlæring↔ compare
- Robust Support Vector MachineMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →