Ансамбль Гауссових Процесів
Ансамбль Гауссових Процесів (Ensemble GP) навчає кілька незалежних GP-експертів на підмножинах даних або перекривних регіонах, а потім комбінує їхні апостеріорні прогнози — середні значення та дисперсії — в єдиний імовірнісний прогноз. Цей підхід зберігає калібровані оцінки невизначеності стандартних GP, долаючи при цьому їхній вузький місцем кубічної складності O(n³), що робить імовірнісну регресію практичною для наборів даних із тисячами або мільйонами спостережень.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Ensemble of Gaussian Processes (Committee / Distributed GP). ScholarGate. https://scholargate.app/uk/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.
- Байєсівський гауссівський процесМашинне навчання↔ compare
- Гаусівський процесМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- Голосувальний ансамбльМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →