ব্যাচিং এনসেম্বল
ব্যাচিং (bagging), যার পূর্ণরূপ বুটস্ট্র্যাপ অ্যাগ্রিগেশন (bootstrap aggregating), একটি এনসেম্বল পদ্ধতি যা প্রশিক্ষণের ডেটার বিভিন্ন র্যান্ডম সাবসেটের উপর একাধিক একক লার্নিং অ্যালগরিদমের কপি প্রশিক্ষণ দিয়ে ভ্যারিয়েন্স (variance) হ্রাস করে। প্রতিটি সাবসেট বুটস্ট্র্যাপ স্যাম্পলিং (bootstrap sampling)—পুনঃস্থাপন সহ র্যান্ডম স্যাম্পলিং—এর মাধ্যমে তৈরি করা হয়। প্রেডিকশনগুলি মেজরিটি ভোটিং (classification) বা অ্যাভারেজিং (regression) এর মাধ্যমে একত্রিত করা হয়। ১৯৯৬ সালে লিও ব্রেমান (Leo Breiman) কর্তৃক প্রবর্তিত, ব্যাচিং র্যান্ডম ফরেস্টের (random forests) ভিত্তি তৈরি করে এবং উচ্চ-ভ্যারিয়েন্স মডেলগুলিতে ওভারফিটিং (overfitting) কমাতে বিশেষভাবে কার্যকর।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123-140. DOI: 10.1007/BF00058655 ↗
- Efron, B. (1979). Bootstrap methods: another look at the jackknife. The Annals of Statistics, 7(1), 1-26. DOI: 10.1214/aos/1176344552 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Bootstrap Aggregating Ensemble. ScholarGate. https://scholargate.app/bn/ensemble-learning/bagging-ensemble
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.
- অ্যাডাবুস্টযন্ত্র শিখন↔ compare
- বুস্টিং এনসেম্বলএনসেম্বল শিখন↔ compare
- সংখ্যাগরিষ্ঠের ভোটদানএনসেম্বল শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →