Machine learning

שק (Bootstrap Aggregating)

שק, בקיצור Bootstrap Aggregating, הוא אלגוריתם-על אנזמבלי שהוצג על ידי ליאו בריימן בשנת 1996, המאמן עותקים מרובים של לומד בסיסי על דגימות bootstrap שנמשכו באופן בלתי תלוי מנתוני האימון, ומשלב את התחזיות שלהם — על ידי מיצוע עבור רגרסיה או הצבעת רוב עבור סיווג — כדי להפיק מנבא סופי עם שונות נמוכה באופן משמעותי מכל לומד בסיסי יחיד.

פתיחה ב-MethodMindבקרובוידאובקרובDownload slides

קראו את השיטה במלואה

לחברים בלבד

התחברו עם חשבון חינמי כדי לקרוא חלק זה.

התחברות

Method map

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

+16 more

מקורות

  1. Breiman, L. (1996). Bagging Predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655
  2. Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 8.7). Springer. ISBN: 978-0-387-84857-0
  3. James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8.2). Springer. ISBN: 978-1-4614-7138-7

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Bagging (Bootstrap Aggregating). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateBagging (Bagging (Bootstrap Aggregating)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/bagging · מערך נתונים: https://doi.org/10.5281/zenodo.20539026