Machine learningMachine learning
שקית חסינה (Robust Bagging)
שקית חסינה מרחיבה את מסגרת ה-Bootstrap Aggregating (Bagging) הקלאסית על ידי החלפה או השלמה של לומדים בסיסיים סטנדרטיים באומדנים חסינים — או על ידי שימוש בכללי אגרגציה חסינים — כך שהאנסמבל יישאר מדויק גם כאשר נתוני האימון מכילים ערכים חריגים, מופעים מתויגים שגויים, או התפלגויות רעש בעלות זנבות כבדים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Chen, C., Liaw, A., & Breiman, L. (2004). Using Random Forest to Learn Imbalanced Data. University of California, Berkeley, Technical Report 666. link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Robust Bagging (Bootstrap Aggregating with Robust Base Learners). ScholarGate. https://scholargate.app/he/machine-learning/robust-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
- בוסטינגלמידת מכונה↔ compare
- יער אקראילמידת מכונה↔ compare
- Boosting רובוסטילמידת מכונה↔ compare
- יער אקראי חסיןלמידת מכונה↔ compare
- אנסמבל הצבעהלמידת מכונה↔ compare