Baijesa "boosting" (Bayesian Boosting)
Baijesa "boosting" integrē varbūtisko Baijesa secinājumu ar "boosting" ansambļa metodēm, apvienojot vairākus vājos mācītājus, vienlaikus pilnībā kvantificējot prognožu nenoteiktību. Atšķirībā no standarta gradienta "boosting", kas rada vienu punktveida novērtējumu, Baijesa "boosting" sniedz a posteriori sadalījumu ansambļa izvadei, nodrošinot kalibrētus ticamības intervālus kopā ar prognozēm.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Ridgeway, G. (1999). The state of boosting. Computing Science and Statistics, 31, 172–181. link ↗
- Chipman, H. A., George, E. I., & McCulloch, R. E. (2010). BART: Bayesian additive regression trees. Annals of Applied Statistics, 4(1), 266–298. DOI: 10.1214/09-AOAS285 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Boosting (Probabilistic Ensemble Learning). ScholarGate. https://scholargate.app/lv/machine-learning/bayesian-boosting
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.
- Beiziešu nejaušais mežsMašīnmācīšanās↔ compare
- PastiprināšanaMašīnmācīšanās↔ compare
- Gradient BoostingMašīnmācīšanās↔ compare
- Daļēji uzraudzīta pastiprināšanaMašīnmācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →