Gaussian Process แบบกึ่งกำกับดูแล
Gaussian Process แบบกึ่งกำกับดูแล (Semi-supervised Gaussian Process) เป็นการขยายกรอบการทำงานแบบความน่าจะเป็นของ GP เพื่อใช้ประโยชน์จากข้อมูลที่ไม่มีป้ายกำกับ (unlabeled data) ควบคู่ไปกับชุดข้อมูลที่มีป้ายกำกับ (labeled observations) จำนวนเล็กน้อย โดยการกำหนดค่าก่อน (prior) แบบ GP บนฟังก์ชัน และใช้ประโยชน์จากโครงสร้างเชิงเรขาคณิตที่เปิดเผยโดยข้อมูลนำเข้าที่ไม่มีป้ายกำกับ ทำให้สามารถเรียนรู้ตัวทำนายที่แม่นยำและมีการสอบเทียบ (calibrated) ได้ดีกว่า GP แบบกำกับดูแลเพียงอย่างเดียวเมื่อป้ายกำกับมีจำกัด ทำให้เหมาะสมกับปัญหาทางวิทยาศาสตร์และการแพทย์ที่การติดป้ายกำกับมีค่าใช้จ่ายสูง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/th/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.
- Bayesian Gaussian Processการเรียนรู้ของเครื่อง↔ compare
- กระบวนการเกาส์เซียนการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare
- Semi-supervised Random Forestการเรียนรู้ของเครื่อง↔ compare
- การจำแนกประเภทแบบกึ่งมีผู้สอนด้วยเครื่องเวกเตอร์สนับสนุนการเรียนรู้ของเครื่อง↔ compare