ScholarGate
Asistenti
Machine learningMachine learning

Bagging në internet

Bagging në internet (Online Bagging) është një metodë ensemble e transmetimit (streaming ensemble method) e prezantuar nga Oza dhe Russell në vitin 2001, e cila përshtat kuadrin klasik të agregimit bootstrap (Bagging) në kontekstin e mësimit online. Në vend të risampling-ut të një dataset-i fiks, çdo rast i ardhur i jepet çdo nxënësi bazë një numër herësh të shpërndarë sipas Poisson(1), duke përafruar besnikërisht kampimin bootstrap ndërsa transmetimi evoluon. Rezultati është një ensemble robust, i përditësuar në mënyrë shtesë, i cili mund të menaxhojë ndryshimin e konceptit dhe mbërritjen e vazhdueshme të të dhënave pa ruajtur të gjithë dataset-in.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

The neighbourhood of related methods — select a node to explore.

Burimet

  1. 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
  2. Bifet, A., Holmes, G., Kirkby, R., & Pfahringer, B. (2010). MOA: Massive Online Analysis. Journal of Machine Learning Research, 11, 1601–1604. link

Si ta citoni këtë faqe

ScholarGate. (2026, June 3). Online Bagging (Incremental Bootstrap Aggregating). ScholarGate. https://scholargate.app/sq/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.

Compare side by side

Cituar nga

ScholarGateOnline Bagging (Online Bagging (Incremental Bootstrap Aggregating)). Marrë më 2026-06-15 nga https://scholargate.app/sq/machine-learning/online-bagging · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026