Σύνολο Ενίσχυσης
Το boosting είναι μια μέθοδος συνόλου (ensemble method) που εκπαιδεύει διαδοχικά αδύναμους εκπαιδευτές (weak learners) και τους συνδυάζει σε έναν ισχυρό προβλεπτικό παράγοντα, εστιάζοντας σε δείγματα που τα προηγούμενα μοντέλα ταξινομήθηκαν λανθασμένα. Κάθε νέος αδύναμος εκπαιδευτής σταθμίζεται ανάλογα με τη δυσκολία της εκπαιδευτικής του εργασίας, και οι τελικές προβλέψεις γίνονται μέσω σταθμισμένης ψηφοφορίας. Πρωτοποριακό από τον Schapire (1990) και βελτιωμένο στο AdaBoost (Freund & Schapire, 1997), το boosting μετατρέπει αδύναμους εκπαιδευτές (μόλις και μετά βίας καλύτερους από την τυχαία επιλογή) σε ισχυρούς εκπαιδευτές μέσω διαδοχικής αναστάθμισης.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Schapire, R. E. (1990). The strength of weak learnability. Machine Learning, 5(2), 197-227. DOI: 10.1023/A:1022648800760 ↗
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Boosting Ensemble Method. ScholarGate. https://scholargate.app/el/ensemble-learning/boosting-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.
- AdaBoostΜηχανική Μάθηση↔ compare
- Σύνολο BaggingΜάθηση Συνόλων Μοντέλων (Ensemble)↔ compare
- Ενίσχυση Κλίσης (Gradient Boosting)Μηχανική Μάθηση↔ compare
- Πλειοψηφική ΨηφοφορίαΜάθηση Συνόλων Μοντέλων (Ensemble)↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →