Стійкий Гаусівський Процес
Стійкий Гаусівський Процес (Robust GP) розширює стандартну структуру Гаусівського Процесу, замінюючи функцію правдоподібності гауссового шуму на розподіл з важкими хвостами — зазвичай розподіл Стьюдента t — так, щоб викиди в навчальних даних менше впливали на вивчену функцію. Він зберігає повний ймовірнісний характер стандартного GP, що кількісно визначає невизначеність, водночас стаючи набагато менш чутливим до пошкоджених або аномальних 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
- 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
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Gaussian Process Regression and Classification. ScholarGate. https://scholargate.app/uk/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.
- Байєсівський гауссівський процесМашинне навчання↔ compare
- Гаусівський процесМашинне навчання↔ compare
- Надійна лінійна регресіяМашинне навчання↔ compare
- Надійний випадковий лісМашинне навчання↔ compare
- Robust Support Vector MachineМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →