গাউসিয়ান প্রসেস

It is prized when data is scarce and knowing how confident the model is matters as much as the prediction itself.

একটি গাউসিয়ান প্রসেস (GP) ফিক্সড প্যারামিটার ফিটিং করার পরিবর্তে ফাংশনের উপর একটি সম্ভাব্যতা বন্টন সংজ্ঞায়িত করে। আনুষ্ঠানিকভাবে, একটি জিপি থেকে অঙ্কিত পয়েন্টের যেকোন সীমিত সেট একটি যৌথ গাউসিয়ান (স্বাভাবিক) বন্টন অনুসরণ করে। আপনি একটি গড় ফাংশন এবং, গুরুত্বপূর্ণভাবে, একটি কোভেরিয়েন্স বা কার্নেল ফাংশন নির্দিষ্ট করুন যা কাছাকাছি ইনপুটগুলির জন্য অনুরূপ আউটপুটগুলি কেমন হওয়া উচিত তা এনকোড করে। পর্যবেক্ষণ করা ডেটার উপর কন্ডিশনার করার পরে, GP প্রতিটি নতুন পয়েন্টে শুধুমাত্র একটি পূর্বাভাসিত মানই ফেরত দেয় না বরং একটি সম্পূর্ণ ভবিষ্যদ্বাণীমূলক বিতরণ করে, একটি গড় এবং একটি ক্রমাঙ্কিত আস্থার ব্যবধান দেয় যা ডেটা থেকে অনেক দূরে প্রশস্ত হয়। কার্নেল পছন্দ, যেমন মসৃণ RBF (বর্গাকার সূচক) বা রুক্ষ মেটার্ন কার্নেল, মসৃণতা এবং দৈর্ঘ্যের স্কেল নিয়ন্ত্রণ করে। নমনীয়তা এবং সৎ অনিশ্চয়তার এই সংমিশ্রণটি ছোট ডেটাসেট এবং ব্যয়বহুল পরীক্ষার জন্য জিপি-কে আদর্শ করে তোলে।