बैगिंग एन्सेम्बल
बैगिंग (bootstrap aggregating का संक्षिप्त रूप) एक एन्सेम्बल विधि है जो प्रशिक्षण डेटा के विभिन्न यादृच्छिक उपसमूहों पर एक ही शिक्षण एल्गोरिथम की कई प्रतियों को प्रशिक्षित करके विचरण को कम करती है। प्रत्येक उपसमूह को बूटस्ट्रैप सैंपलिंग—प्रतिस्थापन के साथ यादृच्छिक रूप से नमूने निकालना—के माध्यम से बनाया जाता है। भविष्यवाणियों को बहुमत मतदान (वर्गीकरण) या औसत (प्रतिगमन) के माध्यम से संयोजित किया जाता है। लियो ब्रेमैन द्वारा 1996 में प्रस्तुत, बैगिंग रैंडम फ़ॉरेस्ट का आधार बनती है और उच्च-विचरण वाले मॉडलों में ओवरफिटिंग को कम करने के लिए विशेष रूप से प्रभावी है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123-140. DOI: 10.1007/BF00058655 ↗
- Efron, B. (1979). Bootstrap methods: another look at the jackknife. The Annals of Statistics, 7(1), 1-26. DOI: 10.1214/aos/1176344552 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Bootstrap Aggregating Ensemble. ScholarGate. https://scholargate.app/hi/ensemble-learning/bagging-ensemble
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.
- AdaBoostमशीन अधिगम↔ compare
- बूस्टिंग एनसेंबलएन्सेम्बल अधिगम↔ compare
- बहुमत मतदानएन्सेम्बल अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare