Бэггинг (Бутстрэп-агрегирование)
Бэггинг, сокращение от Bootstrap Aggregating, — это ансамблевый метаалгоритм, представленный Лео Брейманом в 1996 году, который обучает несколько копий базового ученика на независимо отобранных бутстрэп-выборках обучающих данных и объединяет их предсказания — путем усреднения для регрессии или голосования большинством для классификации — для получения окончательного предиктора со значительно меньшей дисперсией, чем у любого отдельного базового ученика.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
Источники
- Breiman, L. (1996). Bagging Predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Hastie, T., Tibshirani, R. & Friedman, J. (2009). The Elements of Statistical Learning (2nd ed., Ch. 8.7). Springer. ISBN: 978-0-387-84857-0
- James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning (Ch. 8.2). Springer. ISBN: 978-1-4614-7138-7
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bagging (Bootstrap Aggregating). ScholarGate. https://scholargate.app/ru/machine-learning/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.
- AdaBoostМашинное обучение↔ compare
- Дерево решенийМашинное обучение↔ compare
- Градиентный бустингМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- XGBoostМашинное обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →