使多类高斯过程分类成为共轭：基于数据增强的高效推断
机器学习
2019-05-24 v1 机器学习
摘要
我们提出一种新的可扩展多类高斯过程分类方法，其构建于一种新颖的改进 softmax 似然函数之上。该新似然具有两个优点：它带来良好校准的不确定性估计，并允许高效的潜变量增强。增强后的模型具有条件共轭的优势，可通过块坐标上升更新实现快速变分推断方法。先前的方法在不确定性校准与速度之间面临权衡。我们的实验表明，我们的方法带来了良好校准的不确定性估计与有竞争力的预测性能，同时比最先进水平快至多两个数量级。
引用
@article{arxiv.1905.09670,
title = {Multi-Class Gaussian Process Classification Made Conjugate: Efficient Inference via Data Augmentation},
author = {Théo Galy-Fajou and Florian Wenzel and Christian Donner and Manfred Opper},
journal= {arXiv preprint arXiv:1905.09670},
year = {2019}
}
备注
Accepted at UAI 2019