Semiveiledet Gaussisk Prosess
Semiveiledet Gaussisk Prosess (GP) utvider det probabilistiske GP-rammeverket for å utnytte umerkede data sammen med et lite sett merkede observasjoner. Ved å plassere et GP-prior over funksjoner og utnytte den geometriske strukturen som avdekkes av umerkede inndata, lærer den mer nøyaktige og bedre kalibrerte prediktorer enn en rent veiledet GP når merkelapper er knappe, noe som gjør den godt egnet for vitenskapelige og medisinske problemer der annotering er kostbar.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Metodekart
Nabolaget av beslektede metoder — velg en node for å utforske.
Kilder
- Lawrence, N. D., & Jordan, M. I. (2004). Semi-supervised learning via Gaussian processes. In Advances in Neural Information Processing Systems (NIPS), 17, 753–760. MIT Press. 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). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/no/machine-learning/semi-supervised-gaussian-process
Hvilken metode?
Sett denne metoden ved siden av sin nærmeste slektning og les dem side om side — biblioteket legger bøkene på bordet; valget er ditt.
- Bayesiansk Gaussisk ProsessMaskinlæring↔ sammenlign
- Gaussisk prosessMaskinlæring↔ sammenlign
- Semiveiledet læringMaskinlæring↔ sammenlign
- Semi-supervised Random ForestMaskinlæring↔ sammenlign
- Semi-supervised Support Vector MachineMaskinlæring↔ sammenlign
Referert av
Similar methods
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →