Bayesovské posilování
Bayesovské posilování integruje pravděpodobnostní Bayesovskou inferenci s technikami ansámblového posilování, kombinuje více slabých učitelů při zachování úplného kvantifikování nejistoty nad predikcemi. Na rozdíl od standardního gradientního posilování, které produkuje jedinou bodovou odhad, Bayesovské posilování poskytuje aposteriorní distribuci nad výstupem ansámblu, což umožňuje kalibrované intervaly spolehlivosti spolu s predikcemi.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Ridgeway, G. (1999). The state of boosting. Computing Science and Statistics, 31, 172–181. link ↗
- Chipman, H. A., George, E. I., & McCulloch, R. E. (2010). BART: Bayesian additive regression trees. Annals of Applied Statistics, 4(1), 266–298. DOI: 10.1214/09-AOAS285 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Bayesian Boosting (Probabilistic Ensemble Learning). ScholarGate. https://scholargate.app/cs/machine-learning/bayesian-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.
- Bayesovský náhodný lesStrojové učení↔ compare
- ZesilováníStrojové učení↔ compare
- Gradient BoostingStrojové učení↔ compare
- Polosupervizované posilování (Semi-supervised Boosting)Strojové učení↔ compare
- XGBoostStrojové učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →