Boosting
Boosting este o tehnică secvențială de ansamblu care transformă mulți clasificatori simpli, abia mai buni decât întâmplarea, într-un singur model de înaltă precizie, concentrând în mod repetat antrenamentul pe exemplele pe care clasificatorii anteriori le-au greșit, apoi combinând toți clasificatorii cu ponderi proporționale cu precizia lor individuală.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
+29 more
Surse
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Boosting (Ensemble of Sequentially Weighted Weak Learners). ScholarGate. https://scholargate.app/ro/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 (Agregare Bootstrap)Învățare automată↔ compare
- Arbore de decizieÎnvățare automată↔ compare
- Gradient BoostingÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- Ansamblul de votareÎnvățare automată↔ compare
- XGBoostÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →