GGMPs: 一般化ガウス混合プロセス

要旨: 条件付き密度推定は、多峰性、ヘテロスケダスティック性、および強い非ガウス性によって複雑になります。ガウス過程（GP）は、キャリブレーションされた不確実性を備えた体系的で非パラメトリックな枠組みを提供しますが、標準的なGP回帰は単峰性のガウス予測形式に制限されます。私たちは Generalized Gaussian Mixture Process (GGMP) を導入します。これは、各入力が単一のスカラー応答ではなく複雑な出力分布に関連付けられる可能性がある設定における、多峰性の条件付き密度推定のためのGPベースの手法です。GGMP は局所的なガウス混合フィッティング、入力間成分の整合、および各成分ごとのヘテロスケダスティックGP訓練を組み合わせて、閉形式のガウス混合予測密度を生成します。本手法は扱いやすく、標準GPソルバーおよびスケーラブルな手法と互換性があり、素朴な多峰GP定式化における潜在割り当て構造の指数的な大きさを回避します。経験的には、顕著な非ガウス性および多峰性を示す合成データセットおよび実世界データセットの分布近似を改善します。