প্রশ্ন ট্যাগ «bagging»

এই 3 টি পদ্ধতির মধ্যে মিল এবং পার্থক্য কী: ব্যাগিং, boosting, স্ট্যাকিং? কোনটি সেরা? এবং কেন? আপনি কি আমাকে প্রত্যেকের জন্য একটি উদাহরণ দিতে পারেন?

245 machine-learning  boosting  ensemble  bagging  model-averaging 

বৃদ্ধির সংক্ষিপ্ত সংজ্ঞা : দুর্বল শিক্ষার্থীদের একটি সেট কি একক শক্তিশালী শিক্ষানবিস তৈরি করতে পারে? একটি দুর্বল শিক্ষানবিসকে শ্রেণীবদ্ধকারী হিসাবে সংজ্ঞায়িত করা হয় যা কেবলমাত্র প্রকৃত শ্রেণিবিন্যাসের সাথে সম্পর্কিত (এটি এলোমেলো অনুমানের চেয়ে উদাহরণগুলি আরও ভাল লেবেল করতে পারে)। র্যান্ডম ফরেস্টের সংক্ষিপ্ত সংজ্ঞা : এলোমেলো বন অনেক শ্রেণিবিন্যাস গাছ বৃদ্ধি …

51 machine-learning  random-forest  boosting  bagging 

আমি দীর্ঘদিন ধরে কাগল প্রতিযোগিতা অনুসরণ করছি এবং আমি বুঝতে পেরেছি যে অনেকগুলি বিজয়ী কৌশল অন্তত একটি "বড় থ্রেস" ব্যবহার করে: ব্যাগিং, উত্সাহ এবং স্ট্যাকিং। রিগ্রেশনগুলির জন্য, এক সম্ভাব্য সর্বোত্তম রিগ্রেশন মডেল তৈরির দিকে মনোনিবেশ করার পরিবর্তে একাধিক রিগ্রেশন মডেল যেমন (জেনারালাইজড) লিনিয়ার রিগ্রেশন, এলোমেলো বন, কেএনএন, এনএন, এবং এসভিএম …

33 predictive-models  boosting  bagging  stacking  model-averaging 

নোড সাইজ বলতে কী বোঝায় ঠিক বুঝতে পারছি না। আমি জানি সিদ্ধান্ত নোড কী, তবে নোডের আকার কী নয়।

20 machine-learning  random-forest  bagging 

সাধারণভাবে, একটি শ্রেণিবিন্যাসের সমস্যা যেখানে লক্ষ্যটি হ'ল নমুনা বহির্ভূত শ্রেণীর সদস্যতার পূর্বাভাস দেওয়া, আমি কখন একটি সাজানো শ্রেণিবদ্ধ ব্যবহার করব না ? এই প্রশ্নটি ঘনিষ্ঠভাবে জড়িত কেন সর্বদা জড়ো শেখা ব্যবহার করবেন না? । এই প্রশ্নটি জিজ্ঞাসা করে যে আমরা কেন সারাক্ষণ জুটি ব্যবহার করি না। আমি জানতে চাই যে …

17 classification  boosting  ensemble  bagging 

আমি (প্রায়) শুনেছি: ব্যাগিং হ'ল একটি ভবিষ্যদ্বাণীকারী / অনুমানক / লার্নিং অ্যালগরিদমের বৈকল্পিকতা হ্রাস করার কৌশল। যাইহোক, আমি এই বক্তব্যের কোনও গাণিতিক প্রমাণ কখনও দেখিনি। কেউ কি জানেন যে এটি গাণিতিকভাবে সত্য কেন? এটি কেবল এ জাতীয় বহুল স্বীকৃত / জ্ঞাত সত্য বলে মনে হচ্ছে, আমি এর প্রত্যক্ষ রেফারেন্স আশা …

17 machine-learning  mathematical-statistics  bagging 

ব্যাগিং বা গাছ বৃদ্ধির ধারণা সম্পর্কে অনেকগুলি ব্লগ পোস্ট, ইউটিউব ভিডিও ইত্যাদি রয়েছে etc. আমার সাধারণ উপলব্ধি হ'ল প্রত্যেকটির সিউডো কোডটি হ'ল: ব্যাগিং: নমুনাগুলির x% এবং বৈশিষ্ট্যগুলির y% এর এন এলোমেলো নমুনা নিন প্রতিটি এন এ আপনার মডেল (উদাহরণস্বরূপ, সিদ্ধান্ত গাছ) ফিট করুন প্রতিটি এন সঙ্গে ভবিষ্যদ্বাণী চূড়ান্ত পূর্বাভাস পাওয়ার …

17 cart  boosting  xgboost  bagging 

আমি একটি স্থির প্রভাব (শর্ত) এবং দুটি এলোমেলো প্রভাব (বিষয় নকশা এবং জুটির মধ্যে অংশগ্রহণকারী) সহ একটি মিশ্র ইফেক্ট মডেল ব্যবহার করে একটি ডেটা সেট বিশ্লেষণ করছি। মডেল দিয়ে তৈরি করা হয়েছিল lme4প্যাকেজ: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp)। এরপরে, আমি স্থির প্রভাব (শর্ত) ছাড়াই মডেলটির বিপরীতে এই মডেলের সম্ভাবনা অনুপাতের পরীক্ষা করেছি এবং একটি …

16 r  repeated-measures  multiple-comparisons  post-hoc  lsmeans  bayesian  posterior  marginal  integral  anova  time-series  regularization  machine-learning  pca  computational-statistics  references  inference  regression  cross-validation  python  random-forest  chi-squared  spearman-rho  r  machine-learning  confidence-interval  bagging  clustering  feature-selection  model-selection  bic  hypothesis-testing  kurtosis  r  regression  residuals  terminology 

মডেল মূল্যায়নের জন্য বুটস্ট্র্যাপিং ব্যবহার করার সময়, আমি সর্বদা ভেবেছিলাম যে ব্যাগের বাইরে থাকা নমুনাগুলি সরাসরি পরীক্ষার সেট হিসাবে ব্যবহৃত হয়েছিল। যাইহোক, এই ক্ষেত্রে দেখা হবে না মনে হচ্ছে, অনুমোদিত নয় এমন scikit-শিখতেBootstrap পদ্ধতির, যা আউট-অফ-ব্যাগ তথ্য উপসেট থেকে প্রতিস্থাপন দিয়ে ছবি আঁকার থেকে টেস্ট সেট নির্মাণের বলে মনে হয়। …

15 cross-validation  bootstrap  random-forest  scikit-learn  bagging 

অ্যালগরিদম বাড়ানোর জন্য, আমি বলব যে তারা বেশ ভালভাবে বিকশিত হয়েছিল। ১৯৯৫ এর প্রথম দিকে অ্যাডাবোস্ট চালু হয়েছিল, তার কিছু পরে এটি গ্রেডিয়েন্ট বুস্টিং মেশিন (জিবিএম) ছিল। সম্প্রতি, ২০১৫-এর কাছাকাছি এক্সজিবিস্ট চালু হয়েছিল, যা সঠিক, ওভারফিটিং পরিচালনা করে এবং একাধিক কাগল প্রতিযোগিতার বিজয়ী হয়েছে। 2017 সালে মাইক্রোসফ্ট দ্বারা লাইটজিবিএম চালু …

14 random-forest  boosting  bagging 

একটি এলোমেলো বন হ'ল ব্যাগিং ধারণার অনুসরণ করে সিদ্ধান্ত গাছের সংগ্রহ। যখন আমরা একটি সিদ্ধান্ত গাছ থেকে পরবর্তী সিদ্ধান্ত গাছের দিকে চলে যাই তখন শেষ সিদ্ধান্ত গাছ দ্বারা শিখানো তথ্য কীভাবে পরবর্তী স্থানে চলে যায়? কারণ, আমার বোধগম্য হিসাবে, এমন কোনও প্রশিক্ষিত মডেলের মতো কিছুই নেই যা প্রতিটি সিদ্ধান্ত গাছের …

14 machine-learning  random-forest  cart  bagging 

চমত্কার পরিসংখ্যানের মডেলিং পড়ে: দুটি সংস্কৃতি (ব্রেইম্যান 2001) , আমরা traditionalতিহ্যগত পরিসংখ্যানের মডেলগুলির (যেমন লিনিয়ার রিগ্রেশন) এবং মেশিন লার্নিং অ্যালগরিদমগুলির (যেমন, ব্যাগিং, র্যান্ডম ফরেস্ট, বুস্টেড ট্রি ...) মধ্যে সমস্ত পার্থক্যটি ব্যবহার করতে পারি। ব্রেইমান ডেটা মডেলগুলির (প্যারামিট্রিক) সমালোচনা করেন কারণ তারা এই ধারণার উপর ভিত্তি করে যে পরিসংখ্যানবিদ দ্বারা নির্ধারিত …

13 machine-learning  data-mining  random-forest  boosting  bagging 

এটি আমার কাছে মনে হয় যে শেখানো পোশাকটি সর্বদা একটি একক শিক্ষার অনুমানের চেয়ে ভাল ভবিষ্যদ্বাণীপূর্ণ পারফরম্যান্স দেয়। সুতরাং, আমরা কেন তাদের সব সময় ব্যবহার করি না? আমার অনুমানটি সম্ভবত, গণনার সীমাবদ্ধতার কারণে? (তবুও, আমরা দুর্বল ভবিষ্যদ্বাণী ব্যবহার করি, তাই আমি জানি না)।

13 boosting  ensemble  bagging 

যদি আমরা একটি পূর্ণ বর্ধিত সিদ্ধান্তের গাছটিকে বিবেচনা করি (যেমন একটি অরক্ষিত সিদ্ধান্ত গাছ) এটির উচ্চতর বৈকল্পিকতা এবং কম পক্ষপাত রয়েছে। ব্যাগিং এবং র্যান্ডম অরণ্যগুলি এই উচ্চতর বৈকল্পিক মডেলগুলি ব্যবহার করে এবং বৈকল্পিকতা হ্রাস করতে এবং এইভাবে পূর্বাভাসের নির্ভুলতা বাড়ানোর জন্য তাদের একত্র করে। ব্যাগিং এবং এলোমেলো বন উভয়ই বুটস্ট্র্যাপের …

11 variance  random-forest  cart  bias  bagging 

সাইকিত শিখতে কেন মডেল একীকরণের কৌশলটির জন্য সংখ্যাগরিষ্ঠ ভোটের পরিবর্তে সম্ভাব্য ভবিষ্যদ্বাণীটি ব্যবহার করা হবে বলে কেন কোনও ব্যাখ্যা ছাড়াই (1.9.2.1। এলোমেলো বন) seems কেন এর স্পষ্ট ব্যাখ্যা আছে? র‌্যান্ডম ফরেস্ট ব্যাগিংয়ের জন্য বিভিন্ন মডেল একীকরণ কৌশলগুলির জন্য আরও ভাল কাগজ বা পর্যালোচনা নিবন্ধ আছে কি? ধন্যবাদ!

10 random-forest  python  scikit-learn  aggregation  bagging