Ensemble Gaussian Process
Ensemble Gaussian Process tränar flera oberoende GP-experter på delmängder av data eller överlappande regioner, och kombinerar sedan deras posteriora prediktioner – medelvärden och varianser – till en enda probabilistisk prognos. Detta tillvägagångssätt bibehåller de kalibrerade osäkerhetsuppskattningarna från standard-GP:er samtidigt som det övervinner deras kubiska kostnadsflaskhals på O(n³), vilket gör probabilistisk regression praktisk på datamängder med tusentals till miljontals observationer.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- Tresp, V. (2000). A Bayesian Committee Machine. Neural Computation, 12(11), 2719–2741. DOI: 10.1162/089976600300014908 ↗
- Deisenroth, M. P., & Ng, J. W. (2015). Distributed Gaussian Processes. Proceedings of the 32nd International Conference on Machine Learning (ICML), PMLR 37, 1481–1490. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/sv/machine-learning/ensemble-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.
- Bayesiansk Gaussisk ProcessMaskininlärning↔ compare
- Gaussisk processMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- RöstningsensembleMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →