Beijeskie kraušanas ansamblis
Beijeskie kraušanas apvieno vairāku bāzes modeļu prognozēšanas sadalījumus, atrodot nenegatīvus svarus, kas maksimizē maisījuma atstātā viena prognozēšanas rezultāta (leave-one-out log predictive score) logaritmu. Formāli to aprakstījuši Yao, Vehtari, Simpson un Gelman (2018), tas rada vienu kalibrētu prognozēšanas sadalījumu, kas krusteniskās validācijas ietvaros ir pierādīti vismaz tikpat labs kā jebkurš atsevišķs sastāvdaļu modelis.
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
- Yao, Y., Vehtari, A., Simpson, D., & Gelman, A. (2018). Using stacking to average Bayesian predictive distributions. Bayesian Analysis, 13(3), 917–1007. DOI: 10.1214/17-BA1091 ↗
- Wolpert, D. H. (1992). Stacked generalization. Neural Networks, 5(2), 241–259. DOI: 10.1016/S0893-6080(05)80023-1 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Bayesian Stacking Ensemble (Bayesian Stacking of Predictive Distributions). ScholarGate. https://scholargate.app/lv/machine-learning/bayesian-stacking-ensemble
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.
- Bagging (Bootstrap Aggregating)Mašīnmācīšanās↔ compare
- Brojesa modeļu vidējais svērumsBajesa metodes↔ compare
- PastiprināšanaMašīnmācīšanās↔ compare
- Gausa processMašīnmācīšanās↔ compare
- StackingMašīnmācīšanās↔ compare
- Balsošanas ansamblisMašīnmācīšanās↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →