![](https://cdn-ak-scissors.b.st-hatena.com/image/square/2bc55da72b99ce97cd95ded28ac67818227595d6/height=288;version=1;width=512/https%3A%2F%2Fcdn.slidesharecdn.com%2Fss_thumbnails%2Fgaussianprocessforstan-190316083706-thumbnail.jpg%3Fwidth%3D640%26height%3D640%26fit%3Dbounds)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
Stanでガウス過程
10. オーバーフィッティング • 今回のデータに予測を合わせすぎてしまう – データはサンプリングの変動... 10. オーバーフィッティング • 今回のデータに予測を合わせすぎてしまう – データはサンプリングの変動を必ず含む – たまたま高めだったり低めだったりする – そういう「たまたま」を「真のメカニズム」と判断してし まい、予測してしまうと、外れる • パラメータの複雑さについてのジレンマ – WAICなどの汎化性能を評価する指標も使える – データから直接いい感じに推定したい – →ガウス過程回帰