Tugevduskomplekteerimine
Tugevdus (boosting) on komplekteerimismeetod, mis järjestikku treenib nõrku õppijaid ja ühendab need tugevaks ennustajaks, keskendudes proovidele, mida eelnevad mudelid on valesti klassifitseerinud. Iga uus nõrk õppija kaalutakse vastavalt selle treeningülesande raskusele ning lõplikud ennustused tehakse kaalutud häälteenamusega. Schapire (1990) algatatud ja AdaBoostis (Freund & Schapire, 1997) täiustatud tugevdamine teisendab nõrgad õppijad (vaevu paremad kui juhuslikud) tugevateks õppijateks järjestikuse kaalude ümberjaotamise kaudu.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Boosting Ensemble Method. ScholarGate. https://scholargate.app/et/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.
- AdaBoostMasinõpe↔ compare
- Bagging EnsembleAnsambelõpe↔ compare
- Gradient BoostingMasinõpe↔ compare
- EnamushääletusAnsambelõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →