Pertanyaan yang diberi tag bagging

Agregasi bagging atau bootstrap adalah kasus khusus model rata-rata. Diberikan set pelatihan standar menghasilkan bagging m m pelatihan 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 m

17
Boosting DAN Bagging Tree (XGBoost, LightGBM)

Ada banyak posting blog, video YouTube, dll. Tentang ide mengantongi atau meningkatkan pohon. Pemahaman umum saya adalah bahwa kode pseudo untuk masing-masing adalah: Mengantongi: Ambil N sampel acak x% dari sampel dan y% dari fitur Paskan model Anda (misalnya, pohon keputusan) pada...

15
Metode perbandingan multipel mana yang digunakan untuk model lmer: lsmeans atau glht?

Saya menganalisis set data menggunakan model efek campuran dengan satu efek tetap (kondisi) dan dua efek acak (peserta karena desain subjek dan pasangan dalam). Model ini dihasilkan dengan lme4paket: exp.model<-lmer(outcome~condition+(1|participant)+(1|pair),data=exp). Selanjutnya, saya...

10
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

9
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...