Machine learningMachine learning

בוסטינג

בוסטינג (Boosting) היא טכניקת אנסמבל (ensemble) סדרתית, הממירה לומדים פשוטים, בעלי יכולת חיזוי בקושי טובה מהניחוש האקראי, למודל יחיד בעל דיוק גבוה. הדבר מושג על ידי התמקדות חוזרת ונשנית בדוגמאות שהלומדים הקודמים טעו בהן, ולאחר מכן שילוב כל הלומדים באמצעות משקולות פרופורציונליות לדיוקם האישי.

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.

+29 more

מקורות

  1. 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
  2. Schapire, R. E. (1990). The strength of weak learnability. Machine Learning, 5(2), 197–227. DOI: 10.1007/BF00116037

איך לצטט עמוד זה

ScholarGate. (2026, June 3). Boosting (Ensemble of Sequentially Weighted Weak Learners). ScholarGate. https://scholargate.app/he/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.

Compare side by side

מאוזכר על ידי

ScholarGateBoosting (Boosting (Ensemble of Sequentially Weighted Weak Learners)). אוחזר בתאריך 2026-06-15 מתוך https://scholargate.app/he/machine-learning/boosting · מערך נתונים: https://doi.org/10.5281/zenodo.20539026