待验证50% 置信事实精确时间

高斯过程能够对函数关系进行建模并给出带有置信区间的预测结果，应用于贝叶斯优化、空间统计、时间序列预测等场景

1

来源数

50%

置信度

长期有效

时效性

2026/10/5

首次发现

来源

PrO-GPs：以预测为核心重塑高斯过程后验推断

涉及实体

Gaussian Processesconcept

相关事实

待验证贝叶斯优化基于概率代理模型（通常为高斯过程）建模历史实验结果，在探索与利用之间智能权衡，通常能以更少实验次数找到接近最优的参数配置73% 相似待验证研究者可用贝叶斯系统发育分析对故事变体进行统计建模，量化版本亲缘距离并估算分化时间73% 相似待验证阈值函数的有效性高度依赖底层模型输出概率的校准质量，模型校准指预测概率应真实反映事件发生的实际频率71% 相似待验证SHAP值通过博弈论中的沙普利值方法量化每个特征对单一预测结果的贡献度，LIME通过在预测点附近构建局部线性近似模型解释个案决策70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/976038

API

curl https://kongchang.com/api/v1/knowledge/claims/976038

MCP

get_claim(id=976038)