Semi-övervakad Gaussisk process
Semi-övervakad Gaussisk process utökar det probabilistiska GP-ramverket för att utnyttja oetiketterad data tillsammans med en liten mängd etiketterade observationer. Genom att placera en GP-prior över funktioner och utnyttja den geometriska struktur som avslöjas av oetiketterade indata, lär den sig mer exakta och bättre kalibrerade prediktorer än en rent övervakad GP när etiketter är knappa, vilket gör den väl lämpad för vetenskapliga och medicinska problem där annotering är kostsam.
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
- 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
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk Gaussisk ProcessMaskininlärning↔ compare
- Gaussisk processMaskininlärning↔ compare
- Semi-övervakad inlärningMaskininlärning↔ compare
- Semisupervised Random ForestMaskininlärning↔ compare
- Semi-supervised Support Vector MachineMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →