Pertanyaan yang diberi tag «bagging»

Agregasi bagging atau bootstrap adalah kasus khusus model rata-rata. Diberikan set pelatihan standar menghasilkan baggingmpelatihan set baru dengan bootstrap, dan kemudian hasil menggunakan beberapa metode pelatihan pada dihasilkan set data yang rata-rata. Bagging dapat menstabilkan hasil dari beberapa metode yang tidak stabil seperti pohon. m

1
Mengapa mengantongi menggunakan sampel bootstrap?
Bagging adalah proses menciptakan N pelajar pada N sampel bootstrap yang berbeda, kemudian mengambil rata-rata prediksi mereka. Pertanyaan saya adalah: Mengapa tidak menggunakan jenis sampling lainnya? Mengapa menggunakan sampel bootstrap?
10 bagging 
1
Kebingungan terkait dengan teknik mengantongi
Saya mengalami sedikit kebingungan. Saya sedang membaca makalah ini di mana dijelaskan bahwa teknik mengantongi sangat mengurangi varians dan hanya sedikit meningkatkan bias. Saya tidak mengerti mengapa mengurangi varians. Saya tahu perbedaan dan biasnya. Bias adalah ketidakmampuan model untuk mempelajari data. Varians adalah sesuatu yang mirip dengan overfitting. Saya hanya …
1
Dapatkah saya menggabungkan banyak pohon meningkatkan gradien menggunakan teknik mengantongi
Berdasarkan Gradient Boosting Tree vs Random Forest . GBDT dan RF menggunakan strategi berbeda untuk mengatasi bias dan varians. Pertanyaan saya adalah apakah saya bisa membuat sampel ulang dataset (dengan penggantian) untuk melatih beberapa GBDT dan menggabungkan prediksi mereka sebagai hasil akhir? Ini sama dengan membangun hutan acak menggunakan GBDT …
Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.