Bagging (Bootstrap Aggregating)
Bagging, lühend sõnadest Bootstrap Aggregating, on Leo Breimani 1996. aastal tutvustatud ensemble-metaalgoritm, mis treenib baasõppija mitmeid koopiaid treeningandmete sõltumatult võetud bootstrap-valimite põhjal ja kombineerib nende ennustusi — regressiooni korral keskmistades või klassifitseerimise korral enamushääletuse teel —, et saada lõplik ennustaja, mille dispersioon on oluliselt väiksem kui ühelgi üksikul baasõppijal.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
Allikad
- Breiman, L. (1996). Bagging Predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 8.7). Springer. ISBN: 978-0-387-84857-0
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8.2). Springer. ISBN: 978-1-4614-7138-7
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Bagging (Bootstrap Aggregating). ScholarGate. https://scholargate.app/et/machine-learning/bagging
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
- OtsustuspuuMasinõpe↔ compare
- Gradient BoostingMasinõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →