Bagging Online
Bagging Online este o metodă de ansamblu în flux continuu (streaming ensemble method) introdusă de Oza și Russell în 2001, care adaptează cadrul clasic al agregării bootstrap (Bagging) la mediul de învățare online. În loc să re-eșantioneze un set de date fix, fiecare instanță primită este furnizată fiecărui clasificator de bază de un număr de ori distribuit Poisson(1), aproximând fidel eșantionarea bootstrap pe măsură ce fluxul evoluează. Rezultatul este un ansamblu robust, actualizat incremental, capabil să gestioneze concept drift și sosirea continuă a datelor fără a stoca întregul set de date.
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.
Surse
- Oza, N. C., & Russell, S. (2001). Online bagging and boosting. In Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001), pp. 105–112. link ↗
- Bifet, A., Holmes, G., Kirkby, R., & Pfahringer, B. (2010). MOA: Massive Online Analysis. Journal of Machine Learning Research, 11, 1601–1604. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Online Bagging (Incremental Bootstrap Aggregating). ScholarGate. https://scholargate.app/ro/machine-learning/online-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.
- Bagging (Agregare Bootstrap)Învățare automată↔ compare
- Gradient BoostingÎnvățare automată↔ compare
- Online BoostingÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →