Байесовский бэггинг
Байесовский бэггинг заменяет классический бутстрэп байесовским бутстрэпом — вместо выборки с возвращением используются распределенные по Дирихле веса для обучающих наблюдений — и обучает ансамбль базовых моделей с этими весами. Результатом является принципиальный ансамбль, который аппроксимирует байесовское апостериорное распределение предсказаний, обеспечивая калиброванные оценки неопределенности наряду с высокой прогностической точностью.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- Clyde, M. & Lee, H. (2001). Bagging and the Bayesian bootstrap. In T. Richardson & T. Jaakkola (Eds.), Proceedings of the Eighth International Workshop on Artificial Intelligence and Statistics (AISTATS 2001). link ↗
- Rubin, D. B. (1981). The Bayesian bootstrap. The Annals of Statistics, 9(1), 130–134. DOI: 10.1214/aos/1176345338 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Bayesian Bagging (Bootstrap Aggregation with Bayesian Bootstrap). ScholarGate. https://scholargate.app/ru/machine-learning/bayesian-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.
- Байесовский бустингМашинное обучение↔ compare
- Байесовский случайный лесМашинное обучение↔ compare
- БустингМашинное обучение↔ compare
- Случайный лесМашинное обучение↔ compare
- Полуавтоматический бэггингМашинное обучение↔ compare
- Голосующая ансамблевая модельМашинное обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →