Аннотация:
В докладе будет рассмотрена практическая сторона применения регрессионных моделей на основе гауссовских процессов. Этот метод является непараметрическим, а вид итоговой регрессионной функции определяется видом ядра, характеризующего расстояние между функциями. Это даёт большую гибкость по сравнению с классическими методами за счёт большей вычислительной сложности алгоритма. В докладе будет показано, как можно воспроизводить этим методом классические регрессионные методы, а также их модификации и комбинации. В заключение будет рассмотрена концепция автоматического адаптивного подбора ядра регрессии в зависимости от исходной выборки и практические примеры применения.
|
