Machine learningMachine learning
베이지안 배깅
베이지안 배깅은 고전적인 부트스트랩을 베이지안 부트스트랩으로 대체합니다. 즉, 복원 추출로 샘플링하는 대신 훈련 관측치에 디리클레 분포 가중치를 부여하고 해당 가중치 하에서 기본 학습기 앙상블을 훈련합니다. 그 결과 예측에 대한 베이지안 사후 분포를 근사하는 원칙적인 앙상블이 생성되어 강력한 예측 정확도와 함께 보정된 불확실성 추정치를 제공합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Bayesian Bagging (Bootstrap Aggregation with Bayesian Bootstrap). ScholarGate. https://scholargate.app/ko/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.
- 베이지안 부스팅머신러닝↔ compare
- 베이즈 랜덤 포레스트머신러닝↔ compare
- 부스팅머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 준지도 학습 배깅머신러닝↔ compare
- Voting Ensemble머신러닝↔ compare