Machine learningMachine learning
التعبئة القوية (Robust Bagging)
توسع التعبئة القوية (Robust Bagging) إطار عمل التجميع بالتمهيد القياسي (Bagging) عن طريق استبدال أو تعزيز المتعلمين الأساسيين القياسيين بمقدرات قوية — أو باستخدام قواعد تجميع قوية — بحيث يظل التجميع دقيقًا حتى عندما تحتوي بيانات التدريب على قيم متطرفة، أو حالات تم تسميتها بشكل خاطئ، أو توزيعات ضوضاء ذات ذيول ثقيلة.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Chen, C., Liaw, A., & Breiman, L. (2004). Using Random Forest to Learn Imbalanced Data. University of California, Berkeley, Technical Report 666. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Robust Bagging (Bootstrap Aggregating with Robust Base Learners). ScholarGate. https://scholargate.app/ar/machine-learning/robust-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.
- التعبئة (تجميع العينات العشوائية)تعلم الآلة↔ compare
- التعزيزتعلم الآلة↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- تعزيز قويتعلم الآلة↔ compare
- الغابة العشوائية القويةتعلم الآلة↔ compare
- التصويت التجميعيتعلم الآلة↔ compare