Mrežno skupno učenje (Online Bagging)
Mrežno skupno učenje (Online Bagging) je metoda skupnog učenja za podatkovne tokove koju su uveli Oza i Russell 2001. godine, a koja prilagođava klasični okvir skupnog učenja (Bagging) okruženju mrežnog učenja. Umjesto ponovnog uzorkovanja fiksiranog skupa podataka, svaka dolazna instanca prosljeđuje se svakom baznom učeniku broj puta distribuiran prema Poissonovoj distribuciji s parametrom 1 (Poisson(1)), vjerno aproksimirajući bootstrap uzorkovanje kako se tok razvija. Rezultat je robustan, inkrementalno ažuriran skup koji može podnijeti pomak koncepta i kontinuirani dolazak podataka bez pohranjivanja cijelog skupa podataka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Oza, N. C., & Russell, S. (2001). Online bagging and boosting. In Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001), pp. 105–112. link ↗
- Bifet, A., Holmes, G., Kirkby, R., & Pfahringer, B. (2010). MOA: Massive Online Analysis. Journal of Machine Learning Research, 11, 1601–1604. link ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Online Bagging (Incremental Bootstrap Aggregating). ScholarGate. https://scholargate.app/hr/machine-learning/online-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.
- Bagging (Bootstrap Aggregating)Strojno učenje↔ compare
- Povećanje gradijentaStrojno učenje↔ compare
- Online BoostingStrojno učenje↔ compare
- Slučajna šumaStrojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →