Domande taggate «bagging»

Il bagging o l'aggregazione bootstrap è un caso speciale di media del modello. Dato un set di formazione standard, l'insaccamento genera $m$ nuovi set di addestramento tramite bootstrap, quindi i risultati dell'utilizzo di un metodo di addestramento sul file $m$ viene calcolata la media dei set di dati generati. L'insacco può stabilizzare i risultati di alcuni metodi instabili come gli alberi.

Perché il bagging utilizza esempi bootstrap?

Il bagging è il processo di creazione di N studenti su N diversi campioni bootstrap, quindi prendendo la media delle loro previsioni. La mia domanda è: perché non utilizzare qualsiasi altro tipo di campionamento? Perché usare i campioni bootstrap?

10 bagging

Posso combinare molti alberi che aumentano il gradiente usando la tecnica dell'insacco

Basato su Gradient Boosting Tree vs Random Forest . GBDT e RF utilizzano strategie diverse per contrastare la distorsione e la variazione. La mia domanda è che posso ricampionare il set di dati (con la sostituzione) per addestrare più GBDT e combinare le loro previsioni come risultato finale? È equivalente …

8 random-forest cart boosting bagging gradient

Utilizzando il nostro sito, riconosci di aver letto e compreso le nostre Informativa sui cookie e Informativa sulla privacy.

Licensed under cc by-sa 3.0 with attribution required.