मतदान एनसेंबल
एक मतदान एनसेंबल कई विविध क्लासिफायर को स्वतंत्र रूप से प्रशिक्षित करता है और उनके भविष्यवाणियों को वोट द्वारा जोड़ता है: हार्ड वोटिंग उस वर्ग को चुनता है जिसे अधिकांश मॉडल चुनते हैं, जबकि सॉफ्ट वोटिंग उनके वर्ग-संभावना अनुमानों का औसत निकालता है, वैकल्पिक रूप से प्रति-मॉडल भार के साथ। संयोजन आमतौर पर किसी भी व्यक्तिगत सदस्य से बेहतर प्रदर्शन करता है, और बेस मॉडल फिट होने के बाद किसी अतिरिक्त प्रशिक्षण की आवश्यकता नहीं होती 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.
+24 more
स्रोत
- Kuncheva, L. I. (2004). Combining Pattern Classifiers: Methods and Algorithms. Wiley-Interscience. ISBN: 978-0-471-21078-8
- Dietterich, T. G. (2000). Ensemble Methods in Machine Learning. In J. Kittler & F. Roli (Eds.), Multiple Classifier Systems (MCS 2000), Lecture Notes in Computer Science, vol 1857, pp. 1–15. Springer. DOI: 10.1007/3-540-45014-9_1 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Voting Ensemble (Majority and Weighted Voting of Multiple Classifiers). ScholarGate. https://scholargate.app/hi/machine-learning/voting-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.
- बैगिंग (बूटस्ट्रैप एग्रीगेटिंग)मशीन अधिगम↔ compare
- बूस्टिंगमशीन अधिगम↔ compare
- एक्स्ट्रा ट्रीज़मशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- स्टैकिंगमशीन अधिगम↔ compare