Hannes,尼基施;卡尔·爱德华·拉斯穆森 二元高斯过程分类的近似。 (英语) Zbl 1225.62087号 J.马赫。学习。物件。 9, 2035-2078 (2008). 摘要:我们全面概述了概率二进制分类高斯过程模型中的许多最新近似推理算法。从理论上阐明了几种方法之间的关系,并通过实验结果验证了不同算法的特性。我们检验了1)预测分布的质量和2)不同边际似然近似对模型选择(选择超参数)的适用性,并将其与基于MCMC的金标准进行了比较。有趣的是,虽然一些方法的边际似然近似值较差,但它们产生了良好的预测分布。对这些方法得出了有力的结论:除非计算预算非常紧张,否则期望传播算法几乎总是首选方法。我们还以各种方式扩展现有方法,并提供实现所有方法的统一代码。 引用于39文件 MSC公司: 62H30型 分类和区分;聚类分析(统计方面) 65立方厘米 马尔可夫链的数值分析或方法 68T05型 人工智能中的学习和自适应系统 关键词:高斯过程先验;概率分类;拉普拉斯近似;期望传播;变分边界;平均场法;边际似然证据;多功能多媒体计算机 PDF格式BibTeX公司 XML格式引用 \textit{H.Nickisch}和\textit{C.E.Rasmussen},J.Mach。学习。第92035-2078号决议(2008年;兹比尔1225.62087) 全文: 链接