Search for a command to run...
日付
個人学習者これは相対的な概念であり、アンサンブル学習における統合前の学習者です。
個々の学習者の生成方法に応じて、アンサンブル学習方法は次の 2 つのカテゴリに分類できます。
ブースティングは、弱い学習者を強い学習者に改善できるアルゴリズムです。最初に初期トレーニング セットからベース学習者をトレーニングし、次にベース学習者に応じてトレーニング サンプルの分布を調整します。さらに注意を受けた後、調整されたサンプル分布に基づいて次の基本学習器がトレーニングされます。これは、基本学習器の数が事前に指定された値 T に達するまで繰り返され、最後に T 個の学習器が重み付けされて結合されます。
バギングは並列アンサンブル学習法の代表的なもので、セルフサービス サンプリング法に基づいており、分散を減らすことに主に焦点を当てています。ランダム フォレスト アルゴリズムはバギングの拡張版であり、さらにベース学習器としてデシジョン ツリーを使用して、アンサンブルのバギング。ランダムな属性の選択は、ツリーのトレーニング プロセス中に導入されます。
【1】「機械学習」ノート - 統合学習 (Zhihu 記事)
アイデアからローンチまで — 無料の AI 共同コーディング、すぐに使える環境、最適価格の GPU で AI 開発を加速。