Machine learningMachine learning
オンラインバギング
オンラインバギングは、OzaとRussellが2001年に発表したストリーミングアンサンブル法であり、古典的なブートストラップ集約(Bagging)フレームワークをオンライン学習設定に適用したものです。固定されたデータセットを再サンプリングする代わりに、入力される各インスタンスは、ポアソン分布Poisson(1)に従って分布する回数だけすべてのベース学習器に供給され、ストリームの進行とともにブートストラップサンプリングを忠実に近似します。その結果、データセット全体を保存することなく、コンセプトドリフトと連続的なデータ到着に対応できる、堅牢でインクリメンタルに更新されるアンサンブルが実現します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Online Bagging (Incremental Bootstrap Aggregating). ScholarGate. https://scholargate.app/ja/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.
Compare side by side →