Processo Gaussiano Robusto
Gaussian Process Robusto (Robust GP) estende o framework padrão de Gaussian Process ao substituir a verossimilhança de ruído Gaussiano por uma distribuição de caudas pesadas — tipicamente a t de Student — de modo que outliers nos dados de treinamento exerçam menor influência na função aprendida. Ele retém o caráter probabilístico completo e de quantificação de incerteza de um GP padrão, ao mesmo tempo em que se torna muito menos sensível a observações corrompidas ou anômalas.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/pt/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.
- Processo Gaussiano BayesianoAprendizado de máquina↔ compare
- Processo GaussianoAprendizado de máquina↔ compare
- Regressão Linear RobustaAprendizado de máquina↔ compare
- Robust Random ForestAprendizado de máquina↔ compare
- Máquina de Vetores de Suporte RobustaAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →