Odborná definícia
Odborná definícia
Gaussian process je pravdepodobnostné rozdelenie nad funkciami, pri ktorom má ľubovoľná konečná množina funkčných hodnôt spoločné viacrozmerné Gaussovo rozdelenie. Model je určený strednou funkciou a kernelom, ktorý vyjadruje podobnosť vstupov a predpoklady o hladkosti, periodicite či mierke zmien. Po pozorovaní dát vzniká posteriorné rozdelenie s prediktívnym priemerom aj neistotou. Gaussovské procesy sú dátovo efektívne a interpretovateľné, no presný výpočet typicky rastie kubicky s počtom tréningových bodov, čo obmedzuje veľké datasety.
Zrozumiteľné vysvetlenie
Zrozumiteľné vysvetlenie
Predstavte si meranie teploty stroja iba v niekoľkých časoch. Gaussovský proces nenakreslí jednu jedinú čiaru, ale rodinu možných priebehov, ktoré sú kompatibilné s meraniami a zvoleným predpokladom o hladkosti. Blízko senzorových bodov je zväzok kriviek úzky, v nepozorovaných oblastiach sa rozširuje. Výsledkom je odhad aj informácia, kde si model nie je istý. Ak kernel predpokladá pomalé zmeny, ale systém skáče po režimoch, neistota môže pôsobiť matematicky presne, no opisovať nesprávny typ reality.
Časté otázky
Časté otázky
Čím sa Gaussovský proces líši od lineárnej regresie?
Lineárna regresia predpokladá konkrétny parametrický tvar funkcie, kým GP pracuje s rozdelením nad funkciami definovaným kernelom. Lineárny model možno chápať ako špeciálny prípad pri vhodnej kovariančnej štruktúre.
Odkiaľ pochádza prediktívna neistota GP?
Posterior kombinuje kernel, pozorované vstupy, ich hodnoty a model šumu. Neistota rastie tam, kde sú body vzdialené alebo kernel považuje pozorovania za málo informatívne pre nový vstup.
Prečo je výber kernelu taký dôležitý?
Kernel kóduje, ktoré vstupy sú podobné a aké funkčné priebehy model považuje za pravdepodobné. Periodický kernel, radiálna báza a Matérnov kernel preto vedú k odlišným extrapoláciám aj intervalom neistoty.
Dá sa GP použiť na klasifikáciu?
Áno, latentná funkcia sa spojí s logistickou alebo probitovou väzbou. Posterior už nie je analyticky jednoduchý, preto sa používa Laplaceova aproximácia, variačná inferencia alebo vzorkovanie.
Ako sa Gaussovské procesy škálujú na veľké dáta?
Používajú sa indukujúce body, riedke aproximácie, lokálne GP alebo štruktúrované kernely. Zrýchlenie mení presnosť posterioru, takže sa hodnotí nielen predikcia, ale aj kalibrácia neistoty.
Súvisiace pojmy
Súvisiace pojmy
Zdroje a redakčná stopa
Zdroje a redakčná stopa
Definícia je autorská odborná syntéza. Pri právnych a regulačných rozhodnutiach má prednosť aktuálne oficiálne znenie predpisu a posúdenie konkrétneho prípadu.