Bayes-féle Bagging
A Bayes-féle Bagging a klasszikus bootstrapot Bayes-féle bootstrapra cseréli — a Dirichlet-eloszlású súlyokat a tanító megfigyelésekre húzza be ahelyett, hogy azokkal a visszatevéssel mintát venne —, és ezeken a súlyokon alapuló alaptanulók együttesét tanítja. Az eredmény egy elvileg megalapozott együttes, amely közelíti a predikciók Bayes-féle posteriorját, erős prediktív pontosság mellett kalibrált bizonytalansági becsléseket eredményezve.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Clyde, M. & Lee, H. (2001). Bagging and the Bayesian bootstrap. In T. Richardson & T. Jaakkola (Eds.), Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001). link ↗
- Rubin, D. B. (1981). The Bayesian bootstrap. The Annals of Statistics, 9(1), 130–134. DOI: 10.1214/aos/1176345338 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Bayesian Bagging (Bootstrap Aggregation with Bayesian Bootstrap). ScholarGate. https://scholargate.app/hu/machine-learning/bayesian-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.
- Bayesian BoostingGépi tanulás↔ compare
- Bayesian véletlen erdőGépi tanulás↔ compare
- BoostingGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Félfelügyelt BaggingGépi tanulás↔ compare
- Voting EnsembleGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →