Machine learningMachine learning

رگرسیون لجستیک گروهی

رگرسیون لجستیک گروهی چندین طبقه‌بند رگرسیون لجستیک را بر روی زیرمجموعه‌ها یا اغتشاشات مختلف داده‌های آموزشی آموزش می‌دهد و تخمین‌های احتمال آن‌ها را با میانگین‌گیری یا رأی‌گیری ترکیب می‌کند. این رویکرد تفسیرپذیری احتمالی رگرسیون لجستیک را حفظ می‌کند و در عین حال واریانس را کاهش داده و پایداری پیش‌بینی را از طریق تجمیع بهبود می‌بخشد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

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

منابع

  1. Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655
  2. Polikar, R. (2006). Ensemble based systems in decision making. IEEE Circuits and Systems Magazine, 6(3), 21–45. DOI: 10.1109/MCAS.2006.1688199

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Ensemble Logistic Regression (Combined Logistic Classifier Ensemble). ScholarGate. https://scholargate.app/fa/machine-learning/ensemble-logistic-regression

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.

Compare side by side
ScholarGateEnsemble Logistic Regression (Ensemble Logistic Regression (Combined Logistic Classifier Ensemble)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/machine-learning/ensemble-logistic-regression · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026