বুস্টিং
বুস্টিং হলো একটি ক্রমিক এনসেম্বল কৌশল যা অনেক সরল, সুযোগের চেয়ে সামান্য ভালো লার্নারকে একটি একক অত্যন্ত নির্ভুল মডেলে রূপান্তরিত করে। এটি পূর্ববর্তী লার্নারদের ভুল করা উদাহরণগুলির উপর বারবার প্রশিক্ষণকে কেন্দ্রীভূত করে এবং তারপর তাদের স্বতন্ত্র নির্ভুলতার আনুপাতিক ওজন সহ সমস্ত লার্নারকে একত্রিত করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+29 more
উৎস
- Freund, Y. & Schapire, R. E. (1997). A decision-theoretic generalization of on-line learning and an application to boosting. Journal of Computer and System Sciences, 55(1), 119–139. DOI: 10.1006/jcss.1997.1504 ↗
- Schapire, R. E. (1990). The strength of weak learnability. Machine Learning, 5(2), 197–227. DOI: 10.1007/BF00116037 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Boosting (Ensemble of Sequentially Weighted Weak Learners). ScholarGate. https://scholargate.app/bn/machine-learning/boosting
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.
- Bagging (Bootstrap Aggregating)যন্ত্র শিখন↔ compare
- সিদ্ধান্ত বৃক্ষযন্ত্র শিখন↔ compare
- গ্রেডিয়েন্ট বুস্টিংযন্ত্র শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- ভোটিং এনসেম্বলযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →