Machine learningProbabilistic
뎀프스터-샤퍼 융합
뎀프스터-샤퍼 융합은 증거 이론(신념 함수)에 기반한 앙상블 방법으로, 가설의 부분집합에 기본 확률 질량을 할당하여 다중 소스의 예측을 결합합니다. 단일 결과에 대한 확률 분포를 요구하는 대신, 결과 집합에 대한 불확실성을 허용하여 신뢰와 의심을 더 풍부하게 표현합니다. 뎀프스터(1968)가 개발하고 샤퍼(1976)가 형식화한 이 방법은 소스가 신뢰할 수 없거나, 상충되거나, 부분적인 증거를 제공할 때 특히 유용합니다.
MethodMind에서 열기곧 제공Apply, compare, get guidance
Tools & resources
Learn & explore
동영상곧 제공
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
방법 지도
관련 방법들로 이루어진 인접 영역 — 노드를 선택해 살펴보세요.
출처
- Dempster, A. P. (1968). A generalization of Bayesian inference. Journal of the Royal Statistical Society, 30(2), 205-247. DOI: 10.1111/j.2517-6161.1968.tb00722.x ↗
- Shafer, G. (1976). A Mathematical Theory of Evidence. Princeton University Press. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Dempster-Shafer Evidence Fusion. ScholarGate. https://scholargate.app/ko/ensemble-learning/dempster-shafer-fusion
어떤 방법일까요?
이 방법을 가장 가까운 동류의 방법들과 나란히 놓고 비교해 보세요 — 라이브러리는 책을 펼쳐 놓을 뿐, 선택은 여러분의 몫입니다.
나란히 비교하기 →