> ML_ALGORITHM // GAUSSIAN-PROCESS-REGRESSION-CLASSIFICATION_v1.0
Gauss Süreci Regresyonu ve Sınıflandırması (GPR / GPC)
Doğrudan fonksiyon uzayları üzerine bir öncül dağılım yerleştirerek ilkeli belirsizlik nicelendirmesi sağlayan parametrik olmayan Bayesci modelleme paradigması.
Kernel Bayesian Non-Parametricsbayesian-probabilistichigh-intrinsicsmall (<1k)
Tüm Algoritmalara DönHesaplama Karmaşıklığı
Eğitim (Training):O(n^3) exact Cholesky decomposition
Çıkarım (Inference):O(n^2) variance per test point
Donanım Karakteristiği
CPU Uygunluğu:Evet
GPU Zorunluluğu:Hayır
Bellek Ayak İzi:high
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:high-intrinsic
Eğitim Verisi İhtiyacı:small (<1k)
Açıklanabilirlik Değerlendirmesi
Tüm girdi konumlarında kesin, analitik kapalı form Gauss tahmin ortalaması ve varyansı sağlar.
Uygun Görevler ve Desteklenen Modaliteler
Uygun Görevler:
regressionuncertainty quantificationspatial kriging
Desteklenen Modaliteler:
tabularspatial
Uygulayıcı Kütüphaneler
Temel Literatür & Yayınlar
Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
- O(n^3) hesaplama ve O(n^2) bellek, seyrek yaklaşımlar olmadan 10.000'den fazla örnek içeren veri setlerinde kesin GP regresyonunun çökmesine neden olur