Boosting
Boosting on järjestikune ansamblitehnika, mis muudab paljud lihtsad, vaevu juhuslikust paremad õppijad üheks kõrge täpsusega mudeliks, keskendudes korduvalt nendele näidetele, milles eelmised õppijad eksisid, ning seejärel kombineerides kõik õppijad nende individuaalse täpsusega proportsionaalselt kaalutult.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+29 more
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Boosting (Ensemble of Sequentially Weighted Weak Learners). ScholarGate. https://scholargate.app/et/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.
- Bagging (Bootstrap Aggregating)Masinõpe↔ compare
- OtsustuspuuMasinõpe↔ compare
- Gradient BoostingMasinõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
- HääletusansambelMasinõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →