Classification bayésienne avec des processus gaussiens

Nous considérons le problème d'assigner un vecteur d'entrée à l'une des m classes en prédisant P(c|x) pour c=1,...,m. Pour un problème à deux classes, la probabilité de la classe un donnée x est estimée par /spl sigma/(y(x)), où /spl sigma/(y)=1/(1+e/sup -y/). Un processus gaussien est placé en prior sur y(x), et est combiné avec les données d'entraînement pour obtenir des prédictions pour de nouveaux points x. Nous fournissons un traitement bayésien, intégrant l'incertitude dans y et dans les paramètres qui contrôlent le prior du processus gaussien. L'intégration nécessaire sur y est réalisée en utilisant l'approximation de Laplace. La méthode est généralisée à des problèmes multiclasses (m>2) en utilisant la fonction softmax. Nous démontrons l'efficacité de la méthode sur un certain nombre de jeux de données.