Ensemble-Lernen

Autor: Eugene Taylor
Erstelldatum: 10 August 2021
Aktualisierungsdatum: 22 Juni 2024
Anonim
ENSEMBLE LEARNING-RANDOM FOREST & GRADIENT BOOSTING ALGORITHMEN | MASCHINENLERNEN MIT PYTHON 2020
Video: ENSEMBLE LEARNING-RANDOM FOREST & GRADIENT BOOSTING ALGORITHMEN | MASCHINENLERNEN MIT PYTHON 2020

Inhalt

Definition - Was bedeutet Ensemble-Lernen?

Ensemble-Lernen ist die Verwendung von Algorithmen und Werkzeugen beim maschinellen Lernen und in anderen Disziplinen, um ein kollaboratives Ganzes zu bilden, bei dem mehrere Methoden effektiver sind als eine einzelne Lernmethode. Das Lernen von Ensembles kann in vielen verschiedenen Forschungsbereichen eingesetzt werden, um Flexibilität und verbesserte Ergebnisse zu erzielen.


Eine Einführung in Microsoft Azure und die Microsoft Cloud | In diesem Handbuch erfahren Sie, worum es beim Cloud-Computing geht und wie Microsoft Azure Sie bei der Migration und Ausführung Ihres Unternehmens aus der Cloud unterstützen kann.

Techopedia erklärt das Lernen mit Ensemble

Viele Ensemble-Lernwerkzeuge können trainiert werden, um verschiedene Ergebnisse zu erzielen. Einzelne Algorithmen können übereinander gestapelt sein oder sich auf eine "Bucket of Models" -Methode zur Bewertung mehrerer Methoden für ein System stützen. In einigen Fällen werden mehrere Datensätze aggregiert und kombiniert. Beispielsweise kann ein geografisches Forschungsprogramm mehrere Methoden verwenden, um die Verbreitung von Elementen in einem geografischen Raum zu bewerten. Eines der Probleme bei dieser Art von Forschung besteht darin, sicherzustellen, dass verschiedene Modelle unabhängig sind und dass die Kombination von Daten praktisch ist und in einem bestimmten Szenario funktioniert.


Ensemble-Lernmethoden sind in verschiedenen Arten statistischer Softwarepakete enthalten. Einige Experten bezeichnen das Lernen von Ensembles als „Crowdsourcing“ der Datenaggregation.