Bagging Mạnh mẽ (Robust Bagging)
Bagging Mạnh mẽ mở rộng khuôn khổ Bootstrap Aggregating (Bagging) cổ điển bằng cách thay thế hoặc bổ sung các bộ học cơ sở tiêu chuẩn bằng các ước lượng mạnh mẽ — hoặc bằng cách sử dụng các quy tắc tổng hợp mạnh mẽ — để tập hợp vẫn chính xác ngay cả khi dữ liệu huấn luyện chứa các ngoại lệ, các trường hợp bị gán nhãn sai, hoặc các phân phối nhiễu có đuôi dày.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Robust Bagging (Bootstrap Aggregating with Robust Base Learners). ScholarGate. https://scholargate.app/vi/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)Học máy↔ compare
- BoostingHọc máy↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- Robust BoostingHọc máy↔ compare
- Rừng Ngẫu nhiên Mạnh mẽHọc máy↔ compare
- Voting EnsembleHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →