Proses Gaussian mengacu pada proses stokastik yang realisasinya terdiri dari variabel acak berdistribusi normal, dengan properti tambahan bahwa setiap koleksi terbatas dari variabel acak ini memiliki distribusi normal multivariat. Mesin proses Gaussian dapat digunakan dalam masalah regresi dan klasifikasi.
Saya baru saja mulai membaca tentang dokter dan analog dengan distribusi Gaussian biasa itu ditandai dengan fungsi rata-rata dan fungsi kovarian atau kernel. Saya sedang berbicara dan pembicara mengatakan bahwa fungsi rata-rata biasanya tidak menarik dan semua upaya inferensi dihabiskan untuk...
Saya sedikit bingung. Mengapa proses Gaussian disebut model non parametrik? Mereka mengasumsikan bahwa nilai-nilai fungsional, atau bagian dari mereka, memiliki Gaussian prior dengan fungsi rata-rata 0 dan kovarian yang diberikan sebagai fungsi kernel. Fungsi-fungsi kernel ini sendiri memiliki...
Benarkah metode Bayesian tidak overfit? (Saya melihat beberapa makalah dan tutorial membuat klaim ini) Sebagai contoh, jika kita menerapkan Proses Gaussian ke MNIST (klasifikasi digit tulisan tangan), tetapi hanya memperlihatkannya sebagai sampel tunggal, akankah ia kembali ke distribusi...
Saya telah membaca Maraun et al , "Proses Gaussian Non-stasioner dalam domain wavelet: Sintesis, estimasi, dan pengujian signifikan" (2007) yang mendefinisikan kelas dokter non-stasioner yang dapat ditentukan oleh pengganda dalam domain wavelet. Realisasi dari salah satu GP tersebut adalah: mana...
Tahun lalu di NIPS 2017 Ali Rahimi dan Ben Recht memenangkan ujian penghargaan waktu untuk makalah mereka "Fitur Acak untuk Mesin Kernel Skala Besar" di mana mereka memperkenalkan fitur acak, yang kemudian dikodifikasikan sebagai algoritma kitchen sink acak. Sebagai bagian dari mempublikasikan...
catatan: tanpa jawaban yang benar setelah sebulan, saya telah memposting ulang ke SO Latar Belakang Saya punya model, fff , di mana Y=f(X)Y=f(X)Y=f(\textbf{X}) XX\textbf{X} adalahmatriksn×mn×mn \times m sampel dariparametermmm danYYY adalahvektorn×1n×1n \times 1 dari output model. fff adalah...
Saya belajar tentang Proses Gaussian dan hanya mendengar sedikit demi sedikit. Sangat menghargai komentar dan jawaban. Untuk setiap set data, apakah benar bahwa perkiraan fungsi Proses Gaussian akan memberikan nol atau kesalahan pemasangan yang dapat diabaikan pada titik data? Di tempat lain saya...
Saya membaca buku teks Proses Gaussian untuk Pembelajaran Mesin oleh CE Rasmussen dan CKI Williams dan saya mengalami kesulitan memahami apa arti distribusi dari fungsi . Dalam buku pelajaran, contoh diberikan, bahwa orang harus membayangkan fungsi sebagai vektor yang sangat panjang (pada...
Divergensi Kullback-Leibler adalah metrik untuk membandingkan dua fungsi kepadatan probabilitas, tetapi metrik apa yang digunakan untuk membandingkan dua GP dan
Sering dikatakan bahwa regresi proses gaussian berhubungan (GPR) dengan regresi linier bayesian dengan (kemungkinan) jumlah tak terbatas fungsi basis. Saat ini saya mencoba memahami ini secara detail untuk mendapatkan intuisi untuk model seperti apa yang dapat saya ungkapkan menggunakan...
Saya tahu bahwa Gaussian Process Regression (GPR) adalah alternatif untuk menggunakan splines untuk pemasangan model nonlinier yang fleksibel. Saya ingin tahu di mana situasi yang lebih cocok dari yang lain, terutama dalam kerangka regresi Bayesian. Saya sudah melihat Apa keuntungan / kerugian...
Saya memiliki kebingungan ini terkait dengan manfaat dari proses Gaussian. Maksud saya membandingkannya dengan regresi linier sederhana, di mana kita telah mendefinisikan bahwa fungsi linier memodelkan data. Namun, dalam proses Gaussian kami mendefinisikan distribusi fungsi berarti kami tidak...
Apakah ada cara untuk melakukan Regresi Proses Gaussian pada output multidimensi (mungkin berkorelasi) menggunakan GPML ? Dalam skrip demo saya hanya bisa menemukan contoh 1D. Sebuah pertanyaan serupa pada CV yang menangani kasus masukan multidimensi. Saya membaca buku mereka untuk melihat...
Saya mencoba untuk menyetel hyperparameter dari algoritma regresi proses gaussian yang telah saya terapkan. Saya hanya ingin memaksimalkan kemungkinan marginal log yang diberikan oleh rumus mana K adalah matriks kovarians dengan elemen K_ {ij} = k (x_i, x_j) = b ^ {- 1} \ exp (- \ frac {1} {2}...
Saya percaya bahwa turunan dari proses Gaussian (GP) adalah GP lain, dan jadi saya ingin tahu apakah ada persamaan bentuk tertutup untuk persamaan prediksi turunan dari GP? Secara khusus, saya menggunakan kernel kovarian eksponensial kuadrat (juga disebut Gaussian) dan ingin tahu tentang membuat...
Latar belakang dan masalah Saya menggunakan Proses Gaussian (GP) untuk regresi dan optimasi Bayesian berikutnya (BO). Untuk regresi saya menggunakan paket gpml untuk MATLAB dengan beberapa modifikasi custom-made, tetapi masalahnya umum. Adalah fakta yang diketahui bahwa ketika dua input pelatihan...
Saya menggunakan proses Gaussian (GP) untuk regresi. Dalam masalah saya, cukup umum untuk dua atau lebih titik data saling berdekatan, relatif dengan panjangnya skala masalah. Juga, pengamatan bisa sangat bising. Untuk mempercepat perhitungan dan meningkatkan presisi pengukuran , tampaknya wajar...
Saya melatih proses Gaussian dengan kernel ARD dengan banyak parameter dengan memaksimalkan kemungkinan marginal dari data, dan bukannya cross-validasi. Saya menduga itu terlalu pas. Bagaimana saya bisa menguji kecurigaan ini dalam konteks
Proses Gaussian telah banyak digunakan, terutama dalam persaingan. Diketahui bahwa permintaan komputasi tinggi ( ).0 ( n3)0(n3)0(n^3) Apa yang membuat mereka populer? Apa keunggulan utama dan tersembunyi mereka? Mengapa mereka digunakan sebagai pengganti model parametrik (oleh model parametrik...
Saya melakukan ML di universitas saya, dan profesor menyebutkan istilah Ekspektasi (E), sementara dia mencoba menjelaskan kepada kami beberapa hal tentang proses Gaussian. Tetapi dari cara dia menjelaskannya, saya mengerti bahwa E sama dengan mean μ. Apakah saya mengerti benar? Jika sama, apakah...