Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Regresión del proceso Gaussiano

Modelos de regresión de proceso Gaussiano (Kriging)

Aplicaciones

El aprendiz de regresiónEntrenar modelos de regresión para predecir datos mediante el aprendizaje automático supervisado

Funciones

fitrgpAjuste un modelo de regresión de proceso Gaussiano (GPR)
predictPredecir la respuesta del modelo de regresión del proceso Gaussiano
lossError de regresión para el modelo de regresión de proceso Gaussiano
compactCree un modelo de regresión de proceso Gaussiano compacto
crossvalValidar en cruz el modelo de regresión de proceso Gaussiano
plotPartialDependenceCree parcelas de dependencia parcial (PDP) y de expectativa condicional individual (ICE)
postFitStatisticsCalcule las estadísticas posteriores al ajuste del modelo de regresión del proceso Gaussiano exacto
resubLossPérdida de reenvío para un modelo de regresión de proceso Gaussiano entrenado
resubPredictLa predicción de reenvío de un modelo de regresión de proceso Gaussiano entrenado

Clases

RegressionGPClase de modelo de regresión de proceso Gaussiano
CompactRegressionGPClase de modelo de regresión de proceso gaussiana compacta

Temas

Modelos de regresión de proceso Gaussiano

Los modelos de regresión de proceso Gaussiano (GPR) son modelos probabilísticos no paramétricos basados en kernel.

Opciones de función de kernel (covarianza)

En los procesos Gaussianos, la función de covarianza expresa la expectativa de que los puntos con valores predictores similares tendrán valores de respuesta similares.

El método exacto GPR

Aprenda la estimación del parámetro y la predicción en el método GPR exacto.

Subconjunto de aproximación de datos para modelos GPR

Con grandes conjuntos de datos, el subconjunto del método de aproximación de datos puede reducir en gran medida el tiempo necesario para entrenar un modelo de regresión de proceso Gaussiano.

Subconjunto de aproximación de regresores para modelos GPR

El subconjunto del método de aproximación regresivos reemplaza la función exacta del kernel por una aproximación.

Aproximación condicional totalmente independiente para modelos GPR

La aproximación condicional totalmente independiente (FIC) es una forma de aproximar sistemáticamente la verdadera función del kernel GPR de una manera que evita el problema de varianza predictiva de la aproximación SR mientras mantiene un proceso Gaussiano válido.

Aproximación de descenso de coordenadas de bloque para modelos GPR

La aproximación de descenso de coordenadas de bloque es otro método de aproximación utilizado para reducir el tiempo de cálculo con grandes conjuntos de datos.