本日開催されたPRML読書会にて、6.4章から6.44章のガウス過程について発表しました。ガウス過程とは、訓練データー{(x_i,y_i)}が与えられた際、データーxに対する出力y(x)をP(y(x)|x_i,y_i)として確率モデルして、分類や回帰を行う手法です。ラベルのみの分布をモデル化するのではなく、データーxに対する出力yの関数y(x)をガウス分布として振る舞う確率過程としてモデル化します。このようにすることで、新しい入力x_Nに対する出力のみならず、その誤差も求めることができます。つまり、予測に対するエラーの範囲を求めることができます。これが、通常の回帰/分類手法と異なるところで、患者の薬剤耐性の予測で重要となってきます。欠点としては、予測の際に計算量とメモリーのオーターが大きい所で、O(n^3)(n:訓練データー数)が必要で、大きい訓練データーを使っての予測はできないところです
This web site aims to provide an overview of resources concerned with probabilistic modeling, inference and learning based on Gaussian processes. View My GitHub Profile Welcome to the Gaussian Process pages The ancient Gaussian Process page. Books Carl Edward Rasmussen and Chris Williams: Gaussian Processes for Machine Learning, the MIT Press, 2006, online Juš Kocijan: Modelling and Control of Dyn
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く