Machine learningMachine learning

Pastiprināšana

Pastiprināšana ir secīga ansambļa (ensemble) tehnika, kas daudzus vienkāršus, gandrīz nejaušus apguvējus pārvērš vienā ļoti precīzā modelī, atkārtoti koncentrējot apmācību uz piemēriem, kurus iepriekšējie apguvēji kļūdaini klasificēja, un pēc tam apvienojot visus apguvējus ar svariem, kas ir proporcionāli viņu individuālajai precizitātei.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

Pastiprināšana

Bagging (Bootstrap Aggre…Koku lēmumu pieņemšana (…Gradient Boosting Random Forest Balsošanas ansamblis XGBoost Active Learning Boosting Aktīvās mācīšanās steka…Balsojošā kopas aktīvā a…Beijesiskā iepakojuma (B…

+29 more

Avoti

Freund, Y. & Schapire, R. E. (1997). A decision-theoretic generalization of on-line learning and an application to boosting. Journal of Computer and System Sciences, 55(1), 119–139. DOI: 10.1006/jcss.1997.1504 ↗
Schapire, R. E. (1990). The strength of weak learnability. Machine Learning, 5(2), 197–227. DOI: 10.1007/BF00116037 ↗

Kā citēt šo lapu

ScholarGate. (2026, June 3). Boosting (Ensemble of Sequentially Weighted Weak Learners). ScholarGate. https://scholargate.app/lv/machine-learning/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.

Bagging (Bootstrap Aggregating)Mašīnmācīšanās↔ compare
Koku lēmumu pieņemšana (Decision Tree)Mašīnmācīšanās↔ compare
Gradient BoostingMašīnmācīšanās↔ compare
Random ForestMašīnmācīšanās↔ compare
Balsošanas ansamblisMašīnmācīšanās↔ compare
XGBoostMašīnmācīšanās↔ compare

Compare side by side →

Uz to atsaucas

Active Learning Boosting Aktīvās mācīšanās steka ansamblis Balsojošā kopas aktīvā apguve Beijesiskā iepakojuma (Bayesian Bagging) metode Baijesa "boosting" (Bayesian Boosting)Beijeskie kraušanas ansamblis Saliekamā aktīvā mācīšanās Algoritms Ensemble Apriori Ensemble Association Rules Ensemble Decision Tree Federated apvienojums (Ensemble Federated Learning)Ensemble Few-Shot Learning Gaußiešu maisījumu modeļu ansamblis Ensemble Logistic Regression Ensemble Naive Bayes Ensemble Online Learning Ensemble Semi-supervised Learning Ensemble Support Vector Machine Ensemble Transfer Learning Tiešsaistes pastiprināšana (Online Boosting)Tiešsaistes gradientu pastiprināšana Regularizēta pastiprināšana Regulārizēts lēmumu koks Regularizēta gradientu pastiprināšana Regularizēts "Stacking" ansamblis Robustā apvienošana (Robust Bagging)Robustā pastiprināšana Robustais gradientu pastiprinājums Robust stacking ensemble Robustais balsošanas ansamblis Pašuzraudzīta palielināšana (Self-supervised Boosting)Puspašvadāmā gradientu pastiprināšana Balsojošs ansamblis ar daļēji uzraudzītu apmācību Balsošanas ansamblis

Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →

Lasīt pilno metodes aprakstu

Method map

Avoti

Kā citēt šo lapu

Saistītās metodes

Which method?

Uz to atsaucas