التعبئة (تجميع العينات العشوائية)
التعبئة، اختصارًا لتجميع العينات العشوائية (Bootstrap Aggregating)، هي خوارزمية تجميع فائقة (meta-algorithm) قدمها ليو بريمان عام 1996، تقوم بتدريب نسخ متعددة من متعلم أساسي (base learner) على عينات عشوائية مسحوبة مع الإحلال من بيانات التدريب، وتجمع تنبؤاتها - عن طريق المتوسط للانحدار أو التصويت بالأغلبية للتصنيف - لإنتاج متنبئ نهائي ذي تباين أقل بشكل كبير من أي متعلم أساسي منفرد.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
المصادر
- Breiman, L. (1996). Bagging Predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 8.7). Springer. ISBN: 978-0-387-84857-0
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8.2). Springer. ISBN: 978-1-4614-7138-7
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Bagging (Bootstrap Aggregating). ScholarGate. https://scholargate.app/ar/machine-learning/bagging
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- AdaBoostتعلم الآلة↔ compare
- شجرة القرار (Decision Tree)تعلم الآلة↔ compare
- تعزيز التدرجتعلم الآلة↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare