Machine learningMachine learning
मजबूत बैगिंग
Robust Bagging, क्लासिक Bootstrap Aggregating (Bagging) फ्रेमवर्क को मानक बेस लर्नर्स को रोबस्ट एस्टिमेटर्स से बदलकर या पूरक करके — या रोबस्ट एग्रीगेशन नियमों का उपयोग करके — विस्तारित करता है, ताकि प्रशिक्षण डेटा में आउटलायर्स, गलत लेबल वाले इंस्टेंस, या भारी-पूंछ वाले शोर वितरण होने पर भी एनसेंबल सटीक बना रहे।
पूरी विधि पढ़ें
केवल सदस्यों के लिए
साइन इन करेंयह 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 ↗
- Chen, C., Liaw, A., & Breiman, L. (2004). Using Random Forest to Learn Imbalanced Data. University of California, Berkeley, Technical Report 666. link ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Robust Bagging (Bootstrap Aggregating with Robust Base Learners). ScholarGate. https://scholargate.app/hi/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.
- बैगिंग (बूटस्ट्रैप एग्रीगेटिंग)मशीन अधिगम↔ compare
- बूस्टिंगमशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- Robust Boostingमशीन अधिगम↔ compare
- Robust Random Forestमशीन अधिगम↔ compare
- मतदान एनसेंबलमशीन अधिगम↔ compare