Online Bagging
Online Bagging on voogedastuse ansamblimeetod, mille tutvustasid Oza ja Russell 2001. aastal ning mis kohandab klassikalise alglaadimise (Bagging) raamistiku võrgupõhise õppe seadele. Fikseeritud andmestiku ümberproovimise asemel suunatakse iga saabuv eksemplar igale baasõppijale Poisson(1) jaotuse järgi jaotatud arv kordi, mis lähendab truult alglaadimise valimist voo arenedes. Tulemuseks on robustne, järk-järgult uuendatav ansambel, mis suudab toime tulla kontseptsiooni nihke ja pideva andmete saabumisega ilma kogu andmestikku salvestamata.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Oza, N. C., & Russell, S. (2001). Online bagging and boosting. In Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001), pp. 105–112. link ↗
- Bifet, A., Holmes, G., Kirkby, R., & Pfahringer, B. (2010). MOA: Massive Online Analysis. Journal of Machine Learning Research, 11, 1601–1604. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Online Bagging (Incremental Bootstrap Aggregating). ScholarGate. https://scholargate.app/et/machine-learning/online-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.
- Bagging (Bootstrap Aggregating)Masinõpe↔ compare
- Gradient BoostingMasinõpe↔ compare
- Võrgus boostimineMasinõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →