Các phương pháp phi tham số Bayes
Các phương pháp phi tham số Bayes là một họ các mô hình Bayes linh hoạt, trong đó độ phức tạp của mô hình không được cố định trước mà tự động tăng lên cùng với dữ liệu. Hai thành viên được sử dụng rộng rãi nhất là Mô hình hỗn hợp tiến trình Dirichlet (DPM), dùng để phân cụm các quan sát mà không cần xác định trước số lượng cụm, và hồi quy Tiến trình Gauss (GP), đặt một phân phối tiên nghiệm trực tiếp lên các hàm và thực hiện hồi quy hoặc phân loại mà không cần cam kết với một dạng tham số cụ thể. Cả hai khuôn khổ này đều được hình thức hóa trong tài liệu phi tham số Bayes, với cách xử lý GP kinh điển được trình bày bởi Rasmussen và Williams (2006).
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Rasmussen, C.E. & Williams, C.K.I. (2006). Gaussian Processes for Machine Learning. MIT Press. ISBN: 978-0262182539
- Müller, P. & Quintana, F.A. (2004). Nonparametric Bayesian Data Analysis. Statistical Science, 19(1), 95–110. DOI: 10.1214/088342304000000017 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 1). Bayesian Nonparametric Methods (Dirichlet Process / Gaussian Process). ScholarGate. https://scholargate.app/vi/bayesian/bayesian-nonparametric
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.
- Hồi quy BayesBayes↔ compare
- Quá trình GaussHọc máy↔ compare
- Chuỗi Markov Monte Carlo (MCMC)Bayes↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →