Bagging (Bootstrap Aggregating)
Bagging หรือ Bootstrap Aggregating เป็นเมตาอัลกอริทึมแบบ Ensemble ที่ Leo Breiman นำเสนอในปี 1996 ซึ่งฝึกฝนตัวเรียนรู้พื้นฐานหลายชุด (base learner) โดยใช้ตัวอย่างบูตสแตรป (bootstrap samples) ที่สุ่มมาอย่างอิสระจากข้อมูลการฝึกฝน และรวมผลการทำนายเข้าด้วยกัน — โดยการหาค่าเฉลี่ยสำหรับการถดถอย หรือการลงคะแนนเสียงข้างมากสำหรับการจำแนกประเภท — เพื่อสร้างตัวทำนายสุดท้ายที่มีความแปรปรวนต่ำกว่าตัวเรียนรู้พื้นฐานตัวเดียวอย่างมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+16 more
แหล่งอ้างอิง
- 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
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bagging (Bootstrap Aggregating). ScholarGate. https://scholargate.app/th/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.
- AdaBoostการเรียนรู้ของเครื่อง↔ compare
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- การเสริมกำลังไล่ระดับการเรียนรู้ของเครื่อง↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare