Bayesiläinen säkittämine
Bayesiläinen säkittämine korvaa klassisen bootstrap-otannan Bayesiläisellä bootstrap-otannalla – eli Dirichlet-jakautuneiden painokertoimien arvonnalla harjoitushavaintojen yli sen sijaan, että otettaisiin näytteitä takaisinpanolla – ja kouluttaa joukon perusoppijoita näillä painokertoimilla. Tuloksena on periaatteellinen joukko, joka approksimoi Bayesiläistä posteriorijakaumaa ennusteiden yli, tuottaen kalibroituja epävarmuusarvioita vahvan ennustustarkkuuden rinnalla.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- Clyde, M. & Lee, H. (2001). Bagging and the Bayesian bootstrap. In T. Richardson & T. Jaakkola (Eds.), Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001). link ↗
- Rubin, D. B. (1981). The Bayesian bootstrap. The Annals of Statistics, 9(1), 130–134. DOI: 10.1214/aos/1176345338 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Bayesian Bagging (Bootstrap Aggregation with Bayesian Bootstrap). ScholarGate. https://scholargate.app/fi/machine-learning/bayesian-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.
- Bayesiläinen tehostaminenKoneoppiminen↔ compare
- [UNTRANSLATED: Bayesian Random Forest...]Koneoppiminen↔ compare
- BoostingKoneoppiminen↔ compare
- Random ForestKoneoppiminen↔ compare
- Puolivalvottu BaggingKoneoppiminen↔ compare
- Ääniennuste (Voting Ensemble)Koneoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →