Stimularea

Stimularea este o tehnică de învățare automată care se încadrează în categoria învățării ansamblului . În boosting, mai multe modele sunt generate consecutiv, dând din ce în ce mai multă greutate erorilor comise în modelele anterioare. În acest fel, se creează modele care sunt treptat mai „atente” la aspectele care au provocat inexactități în modelele anterioare, obținându-se în cele din urmă un model agregat cu o precizie mai bună decât fiecare model care îl constituie ^[1] .

În algoritmi precum Adaboost ^[2] , ieșirea meta-clasificatorului este dată de suma ponderată a predicțiilor modelelor individuale. Ori de câte ori este instruit un model, va exista o fază de re-proiectare a instanțelor. Algoritmul de creștere va avea tendința de a da mai multă greutate instanțelor clasificate greșit, în speranța că următorul model va avea mai multă experiență în ultimele.

În general, avem în vedere că eroarea de predicție într-o problemă de învățare supravegheată este dată de:

$prediction\_error=bias^{2}+varianza$ ${\ displaystyle prediction \ _error = bias ^ {2} + varianță}$ ${\ displaystyle prediction \ _error = bias ^ {2} + varianță}$

Stimularea vizează în primul rând reducerea prejudecății. Alte tehnici de învățare a ansamblului, cum ar fi punerea în sac, vizează în schimb reducerea varianței.

Categorizarea obiectelor

Problemă de clasificare a obiectelor
Categorizarea binară
Categorizare multiclass

Algoritmi de amplificare convexă și neconvexă

Notă

^ De Mauro, Andrea., Analiza datelor mari: ghid pentru a începe clasificarea și interpretarea datelor cu învățarea automată , Apogeo, 2019, ISBN 9788850334780 ,OCLC 1065010076 . Adus pe 10 noiembrie 2019 .
^ (EN) Trevor Hastie, Saharon Rosset și Ji Zhu, Multi-class AdaBoost , în Statistics and Its Interface, vol. 2, nr. 3, 2009, pp. 349-360, DOI : 10.4310 / SII.2009.v2.n3.a8 . Adus pe 10 noiembrie 2019 .

Elemente conexe

linkuri externe

( EN ) Boosting , în Encyclopedia Britannica , Encyclopædia Britannica, Inc.

Controlul autorității	LCCN ( EN ) sh2011005111

Portal IT

Portalul de statistici

[1] De Mauro, Andrea., Analiza datelor mari: ghid pentru a începe clasificarea și interpretarea datelor cu învățarea automată , Apogeo, 2019, ISBN 9788850334780 ,OCLC 1065010076 . Adus pe 10 noiembrie 2019 .

[2] (EN) Trevor Hastie, Saharon Rosset și Ji Zhu, Multi-class AdaBoost , în Statistics and Its Interface, vol. 2, nr. 3, 2009, pp. 349-360, DOI : 10.4310 / SII.2009.v2.n3.a8 . Adus pe 10 noiembrie 2019 .

[1]

[2]

V · D · M Învățare automată
Probleme	Clasificarea · Regresie · asociere Reguli · Învățare nesupravegheați · Supravegheat de învățare · Reinforcement Learning · învățare profundă
Învățare nesupravegheată	Clustering · clustering Ierarhica · K mijloace · Așteptarea maximizare · DBSCAN · schimbare medie · antagonist generativă rețea (CGAN · cycleGAN VAE-GAN)
Învățare supravegheată	Arborele decizional · Pădure aleatorie · CRF · HMM · KNN · Clasificator bayesian · Rețea neuronală artificială · Regresie liniară · Regresie logistică · PGM · SVM
Consolidarea învățării	Q-learning · SARSA · TD
Reducerea dimensiunii	Analiza factorilor · CCA · ICA · LDA · PCA · Selecția caracteristicilor · Extragerea caracteristicilor · t-SNE
Rețele neuronale artificiale	Perceptron · RBF · N · FFN · Rețea Hopfield · MLP · RNN ( LSTM ) · RBM · SOM · CNN · TDNN · SNN
Software	Keras · Microsoft Cognitive Toolkit · scikit-learn · TensorFlow · Theano · Torch · Weka
Alte	Algoritm genetic · PSO · Caracteristic