Bayesovské neparametrické metódy
Bayesovské neparametrické metódy sú rodinou flexibilných Bayesovských modelov, v ktorých zložitosť modelu nie je pevne stanovená vopred, ale automaticky rastie s dátami. Dve najčastejšie používané sú zmes Dirichletovho procesu (DPM), ktorá zoskupuje pozorované údaje bez predchádzajúceho určenia počtu zoskupení, a Gaussovská regresia procesom (GP), ktorá umiestňuje prior priamo nad funkcie a vykonáva regresiu alebo klasifikáciu bez záväzku k parametrickej forme. Oba rámce boli formalizované v literatúre o Bayesovských neparametrických metódach, pričom kanonické spracovanie GP uviedli Rasmussen a Williams (2006).
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Rasmussen, C.E. & Williams, C.K.I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0262182539
- Müller, P. & Quintana, F.A. (2004). Nonparametric Bayesian Data Analysis. Statistical Science, 19(1), 95–110. DOI: 10.1214/088342304000000017 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 1). Bayesian Nonparametric Methods (Dirichlet Process / Gaussian Process). ScholarGate. https://scholargate.app/sk/bayesian/bayesian-nonparametric
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.
- Bayesovská regresiaBayesovské metódy↔ compare
- Gaussov procesStrojové učenie↔ compare
- Markov Chain Monte Carlo (MCMC)Bayesovské metódy↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →