बूस्टिंग एनसेंबल
बूस्टिंग एक एनसेंबल विधि है जो क्रमिक रूप से कमजोर लर्नर्स को प्रशिक्षित करती है और पिछले मॉडलों द्वारा गलत वर्गीकृत किए गए नमूनों पर ध्यान केंद्रित करके उन्हें एक मजबूत भविष्यवक्ता में जोड़ती है। प्रत्येक नए कमजोर लर्नर को उसके प्रशिक्षण कार्य की कठिनाई के अनुसार भारित किया जाता है, और अंतिम भविष्यवाणियां भारित मतदान के माध्यम से की जाती हैं। श्पायर (1990) द्वारा अग्रणी और AdaBoost (Freund & Schapire, 1997) में परिष्कृत, बूस्टिंग कमजोर लर्नर्स (यादृच्छिक से थोड़ा बेहतर) को क्रमिक पुनभारण के माध्यम से मजबूत लर्नर्स में परिवर्तित करता 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
- Schapire, R. E. (1990). The strength of weak learnability. Machine Learning, 5(2), 197-227. DOI: 10.1023/A:1022648800760 ↗
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Boosting Ensemble Method. ScholarGate. https://scholargate.app/hi/ensemble-learning/boosting-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
- बैगिंग एन्सेम्बलएन्सेम्बल अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- बहुमत मतदानएन्सेम्बल अधिगम↔ compare