Semi-supervised Gaussian Process
Semi-supervised Gaussian Process rozširuje pravdepodobnostný rámec GP tak, aby využíval neoznačené dáta popri malej množine označených pozorovaní. Umiestnením GP prioru nad funkciami a využitím geometrickej štruktúry odhalenej neoznačenými vstupmi sa učí presnejšie a lepšie kalibrované prediktory ako čisto supervidované GP, keď sú štítky zriedkavé, čo ho robí vhodným pre vedecké a medicínske problémy, kde je anotácia nákladná.
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
- 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
Ako citovať túto stránku
ScholarGate. (2026, June 3). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/sk/machine-learning/semi-supervised-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.
- Bayesianovský Gaussovský procesStrojové učenie↔ compare
- Gaussov procesStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Semi-Supervised Random ForestStrojové učenie↔ compare
- Semi-supervised Support Vector MachineStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →