加载中...
文章
383
标签
409
分类
109
主页
贝叶斯方法
综述概览
似然方法
近似贝叶斯
MCMC
变分推断
贝叶斯优化
概率图模型
概率编程
高斯过程
综述概览
高斯过程原理
可扩展高斯过程
高斯过程推断方法
神经网络高斯过程
评测与数据集
模型自动构建
随机模拟
不确定性DL
综述概览
单一确定性神经网络
贝叶斯神经网络
深度集成
数据增强
对比评测
不确定性校准
空间统计
综述概览
点参考数据
空间贝叶斯方法
空间变系数模型
空间统计深度学习
时空统计数据
大数据专题
空间随机模拟
书籍
《Bayesian Analysis with Python》
《Bayesian Modeling and Computation in Python》
《统计学习精要(ESL)》
《空间统计学》
《预测:方法与实践》
《机器学习的概率视角(MLAPP)》
索引
时间索引
标签索引
分类索引
临时索引
其他
常用软件
学术工具
摄影作品
关于
西山晴雪的知识笔记
搜索
主页
贝叶斯方法
综述概览
似然方法
近似贝叶斯
MCMC
变分推断
贝叶斯优化
概率图模型
概率编程
高斯过程
综述概览
高斯过程原理
可扩展高斯过程
高斯过程推断方法
神经网络高斯过程
评测与数据集
模型自动构建
随机模拟
不确定性DL
综述概览
单一确定性神经网络
贝叶斯神经网络
深度集成
数据增强
对比评测
不确定性校准
空间统计
综述概览
点参考数据
空间贝叶斯方法
空间变系数模型
空间统计深度学习
时空统计数据
大数据专题
空间随机模拟
书籍
《Bayesian Analysis with Python》
《Bayesian Modeling and Computation in Python》
《统计学习精要(ESL)》
《空间统计学》
《预测:方法与实践》
《机器学习的概率视角(MLAPP)》
索引
时间索引
标签索引
分类索引
临时索引
其他
常用软件
学术工具
摄影作品
关于
➃ 线性回归模型:样条回归
发表于
2021-04-10
|
更新于
2023-05-08
|
预测任务
广义线性模型
|
字数总计:
92
|
阅读时长:
1分钟
【摘要】 样条回归
【原文】
【see also】
《高斯过程的可视化探索》
;
《稀疏高斯过程及其推断》
;
《深度高斯过程》
1 样条回归
文章作者:
西山晴雪
文章链接:
http://xishansnow.github.io/posts/61889a96.html
版权声明:
本博客所有文章除特别声明外,均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来自
西山晴雪的知识笔记
!
样条回归
广义线性模型
机器学习模型
参数模型
线性回归模型
上一篇
深度神经网络的优化技巧
下一篇
地理知识发现中的空间显式人工智能技术
相关推荐
2021-04-03
④ 线性回归模型:最小二乘线性回归
2021-04-11
➄ 线性回归模型:MLE、MAP和贝叶斯推断
2021-04-05
④ 线性回归模型:套索回归
2021-04-04
④ 线性回归模型:岭回归
2021-04-15
➄ 广义线性模型
2023-01-03
非参数模型索引帖
目录
1 样条回归
繁
搜索