Robustné zastrešovanie (Robust Bagging)
Robust Bagging rozširuje klasický rámec Bootstrap Aggregating (Bagging) nahradením alebo doplnením štandardných základných učiacich sa modelov (base learners) robustnými odhadmi — alebo použitím robustných agregačných pravidiel — takže ansámblový model zostáva presný aj vtedy, keď tréningové dáta obsahujú odľahlé hodnoty (outliers), nesprávne označené inštancie alebo šumové distribúcie s ťažkými chvostami.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Breiman, L. (1996). Bagging predictors. Machine Learning, 24(2), 123–140. DOI: 10.1007/BF00058655 ↗
- Chen, C., Liaw, A., & Breiman, L. (2004). Using Random Forest to Learn Imbalanced Data. University of California, Berkeley, Technical Report 666. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Bagging (Bootstrap Aggregating with Robust Base Learners). ScholarGate. https://scholargate.app/sk/machine-learning/robust-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 (Bootstrap Aggregating)Strojové učenie↔ compare
- BoostingStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- Robustné zosilňovanieStrojové učenie↔ compare
- Robust Random ForestStrojové učenie↔ compare
- Hlasovacie zoskupenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →