תיקוף מקוון (Online Bagging)
תיקוף מקוון (Online Bagging) היא שיטת אנסמבל ללמידה מזרם נתונים, שהוצגה על ידי עוזא וראסל בשנת 2001. היא מתאימה את מסגרת ה-bootstrap aggregating (Bagging) הקלאסית להגדרת הלמידה המקוונת. במקום לדגום מחדש מערך נתונים קבוע, כל מופע נכנס מוזן לכל לומד בסיס מספר פעמים המתפלג פואסון(1), ובכך מקרב נאמנה את דגימת ה-bootstrap ככל שהזרם מתפתח. התוצאה היא אנסמבל חזק, המתעדכן באופן מצטבר, שיכול להתמודד עם סחיפת מושגים (concept drift) והגעת נתונים רציפה מבלי לאחסן את כל מערך הנתונים.
קראו את השיטה במלואה
התחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Online Bagging (Incremental Bootstrap Aggregating). ScholarGate. https://scholargate.app/he/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.
- שק (Bootstrap Aggregating)למידת מכונה↔ compare
- גרדיאנט בוסטינגלמידת מכונה↔ compare
- Boosting מקווןלמידת מכונה↔ compare
- יער אקראילמידת מכונה↔ compare