Diagram konseptual dari masukan, fungsi bagian, dan keluaran dalam profil. Susunan kotak tidak menunjukkan urutan perakitan atau posisi fisik.
Teknologi · CC BY 4.0 · Sumber data
Bagaimana cara kerjanya?
Kernel mengukur hubungan titik masukan dan membentuk matriks kovarians. Pengamatan serta model noise digunakan menghitung posterior fungsi; prediksi menghasilkan mean dan kovarians atau deviasi standar, dengan hiperparameter dapat dioptimasi.
Rujukan penjelasanBagian fungsional
- 01
Kernel
Mengatur korelasi fungsi.
- 02
Data pengamatan
Mengubah prior menjadi posterior.
- 03
Prediktor posterior
Menghasilkan nilai dan ketidakpastian.
Masukan dan keluaran
Titik fitur, target, dan kernel.
Mean prediksi serta ukuran ketidakpastian.
Parameter teknis
Informasi dengan rujukan belum tersedia untuk bagian ini. Profil ini tidak menyajikan spesifikasi angka untuk model tertentu atau nilai yang berlaku bagi seluruh keluarga teknologi.
Versi dan status
Profil membahas konsep atau kategori teknologi; versi implementasi tertentu belum ditetapkan.
Status terbit profil berbeda dari status produksi, dukungan, atau sertifikasi perangkat.
Penerapan dan keterbatasan
- Surrogate model
- Regresi probabilistik
Batas cakupan
Biaya matriks meningkat pada banyak sampel; ketidakpastian hanya mencerminkan model kernel serta noise yang diasumsikan.
Teknologi yang terhubung
Hubungan terverifikasi belum tersedia untuk profil ini. Kedekatan topik tidak membuktikan kompatibilitas atau ketergantungan.
Buka peta teknologiDasar penjelasan
- 1. sklearn.gaussian_process.GaussianProcessRegressor — scikit-learn developers documentation ↗
scikit-learn developers
Diakses 2026-10-13. Rujukan primer untuk parafrasa editorial. Teks, kode, gambar, dan merek sumber tidak disalin; hak asal tetap pada pemegangnya.