Robust Gaussian Process
Robust Gaussian Process (Robust GP) utvidgar det standardmässiga ramverket för Gaussian Process genom att ersätta den Gaussiska bruslikheten med en fördelning med tjocka svansar – typiskt Student-t – så att extremvärden i träningsdata får mindre inflytande på den inlärda funktionen. Den behåller den fulla probabilistiska, osäkerhetskvantifierande karaktären hos en standard GP, samtidigt som den blir mycket mindre känslig för korrumperade eller anomala 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
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk Gaussisk ProcessMaskininlärning↔ compare
- Gaussisk processMaskininlärning↔ compare
- Robust linjär regressionMaskininlärning↔ compare
- Robust Random ForestMaskininlärning↔ compare
- Robust Support Vector MachineMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →