Machine learningMachine learning

Potenciación

La potenciación es una técnica de conjunto secuencial que convierte muchos aprendices simples, apenas mejores que el azar, en un único modelo de alta precisión al centrar repetidamente el entrenamiento en los ejemplos que los aprendices anteriores erraron, y luego combinando todos los aprendices con pesos proporcionales a su precisión individual.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

The neighbourhood of related methods — select a node to explore.

Potenciación

Agregación por Bootstrap…Árbol de Decisión Gradient Boosting Random Forest Ensamble de votación XGBoost Active Learning Boosting Active Learning Stacking…Votación en Conjunto de…Bagging Bayesiano

+29 more

Fuentes

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 ↗

Cómo citar esta página

ScholarGate. (2026, June 3). Boosting (Ensemble of Sequentially Weighted Weak Learners). ScholarGate. https://scholargate.app/es/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.

Agregación por Bootstrap (Bagging)Aprendizaje automático↔ compare
Árbol de DecisiónAprendizaje automático↔ compare
Gradient BoostingAprendizaje automático↔ compare
Random ForestAprendizaje automático↔ compare
Ensamble de votaciónAprendizaje automático↔ compare
XGBoostAprendizaje automático↔ compare

Compare side by side →

Citado por

Active Learning Boosting Active Learning Stacking Ensemble Votación en Conjunto de Aprendizaje Activo Bagging Bayesiano Potenciación bayesiana Ensamblaje por apilamiento bayesiano Aprendizaje Activo de Conjuntos Algoritmo Apriori de Conjunto Reglas de Asociación de Conjunto Árbol de decisión de ensamble Aprendizaje Federado de Conjuntos Aprendizaje de pocos ejemplos en conjunto Modelo de Mezcla Gaussiana por Conjunto Regresión Logística de Conjunto Naive Bayes de Conjunto Aprendizaje Ensamble en Línea Aprendizaje semi-supervisado de conjuntos Máquina de Vectores de Soporte de Conjunto Aprendizaje por Transferencia en Conjunto Impulso en línea Gradient Boosting en Línea Potenciación Regularizada Árbol de decisión regularizado Gradient Boosting Regularizado Conjunto de Apilamiento Regularizado Empaquetado Robusto Boosting Robusto Gradient Boosting Robusto Conjunto de apilamiento robusto Conjunto de Votación Robusta Impulso auto-supervisado Gradient Boosting Semi-supervisado Votación en conjunto semisupervisada Ensamble de votación

¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →

Leer el método completo

Method map

Fuentes

Cómo citar esta página

Métodos relacionados

Which method?

Citado por