Bayesian Gaussian Process Regression and Classification
ลองนึกภาพการลากเส้นโค้งที่เป็นไปได้จำนวนอนันต์ผ่านข้อมูลของคุณ โดยแต่ละเส้นสอดคล้องกับสิ่งที่คุณรู้ GP จะวัดปริมาณว่าเส้นโค้งแต่ละเส้นมีความน่าจะเป็นเท่าใดก่อนและหลังจากการสังเกตข้อมูล เคอร์เนลจะกำหนดว่าเส้นโค้งใดดูเรียบหรือหยักศก ใกล้หรือไกล เมื่อข้อมูลมาถึง GP จะจำกัดขอบเขตของเส้นโค้งที่เป็นไปได้ให้อยู่รอบๆ ข้อมูลที่สังเกตได้ ในขณะที่ยังคงรักษาความไม่แน่นอนที่แท้จริงในบริเวณที่ข้อมูลเบาบาง สิ่งนี้ให้ทั้งการทำนายและแถบความเชื่อมั่น (confidence band) ที่สะท้อนอย่างแท้จริงว่ามีหลักฐานสนับสนุนการคาดการณ์มากน้อยเพียงใด
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
แหล่งอ้างอิง
- Rasmussen, C. E., & Williams, C. K. I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0-262-18253-9
- Bishop, C. M. (2006). Pattern Recognition and Machine Learning (Ch. 6). Springer. ISBN: 978-0-387-31073-2
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/th/machine-learning/bayesian-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.
- การถดถอยเชิงเส้นแบบเบย์เบย์↔ compare
- Bayesian Optimizationการหาค่าเหมาะที่สุด↔ compare
- กระบวนการเกาส์เซียนการเรียนรู้ของเครื่อง↔ compare