Sturgeon https://blog.hatena.ne.jp/Sturgeon/ はじめよう実験計画 https://www.doe-get-started.com/ その他 アプリ ベイズ最適化 はじめに：前回記事のおさらいと外挿問題 前回の記事では、ガウス過程回帰（GP）の予測平均・分散を計算する方法を詳しく解説しました。 www.doe-get-started.comガウス過程回帰GPの新しい点の予測値の分布（平均と分散）：この式は、既知のデータセットが与えられた時、新しい点における予測値の平均と分散が、右辺のように計算できることを示しています。 ここで重要なのは です。 は新しい点が既知の点に近いほど1に近く、遠いほど0に近くなるベクトルです。 課題1. 外挿に弱いガウス過程回帰 外挿範囲では、予測点と訓練点の距離が遠くなるため となります。すると： 予測平均：（データを無視して… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.doe-get-started.com%2Fentry%2Fsemi-parametric-bayes" title="ガウス過程回帰の外挿問題を解決する：セミパラメトリックベイズ入門（数式＆Rコード） - はじめよう実験計画" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/S/Sturgeon/20260324/20260324192646.png Hatena Blog https://hatena.blog 2026-03-22 20:00:23 rich https://www.doe-get-started.com/entry/semi-parametric-bayes 1.0 100%