Bayesian Bagging
Bayesian Bagging ersätter den klassiska bootstrap-metoden med den Bayesianska bootstrap-metoden — där Dirichlet-fördelade vikter dras över träningsobservationer snarare än sampling med återläggning — och tränar en ensemble av basinlärningsmodeller under dessa vikter. Resultatet är en principfast ensemble som approximerar en Bayesiansk posterior över prediktioner, vilket ger kalibrerade osäkerhetsuppskattningar jämte stark prediktiv noggrannhet.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Bagging (Bootstrap Aggregation with Bayesian Bootstrap). ScholarGate. https://scholargate.app/sv/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.
- Bayesian BoostingMaskininlärning↔ compare
- Bayesiansk slumpskogMaskininlärning↔ compare
- BoostingMaskininlärning↔ compare
- Random ForestMaskininlärning↔ compare
- Semi-supervised BaggingMaskininlärning↔ compare
- RöstningsensembleMaskininlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →