Робастный Гауссовский Процесс
Робастный Гауссовский Процесс (Robust GP) расширяет стандартную структуру Гауссовского Процесса путем замены правдоподобия гауссовского шума на распределение с тяжелыми хвостами — обычно распределение Стьюдента t — чтобы выбросы в обучающих данных оказывали меньшее влияние на обученную функцию. Он сохраняет полную вероятностную характеристику стандартного GP, количественно оценивающую неопределенность, при этом становясь гораздо менее чувствительным к искаженным или аномальным наблюдениям.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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
Как цитировать эту страницу
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/ru/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.
- Байесовский Гауссовский ПроцессМашинное обучение↔ compare
- Гауссовский процессМашинное обучение↔ compare
- Робастная линейная регрессияМашинное обучение↔ compare
- Robust Random ForestМашинное обучение↔ compare
- Робастная машина опорных векторовМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →