Bagging

Bootstrap Aggregating

Türkçe: Torbalama (Örneklem Çoğaltma ve Birleştirme)

Ayrıntılı Tanım

Orijinal veri setinden yerine koyarak rastgele alt kümeler (bootstrap) oluşturup, her kümede bağımsız bir model eğiterek tahminlerin ortalamasını veya çoğunluk oyunu alan yöntemdir.

Ne İşe Yarar / Çözülen Problem

Yüksek varyansa sahip, kararsız ve ezberlemeye meyilli modellerin (özellikle derin karar ağaçlarının) varyansını düşürür ve ezberlemeyi keser.

Nasıl Çalışır? (Teknik & Mekanizma)

N

adet veri setinden

N

büyüklüğünde ama bazı verilerin tekrar ettiği alt kümeler seçilir (verilerin yaklaşık %63.2'si seçilir, kalan %36.8 Out-of-Bag kalır). Modeller paralel eğitilir.

Örnek Senaryo & Pratik Uygulama

100 kişilik bir jürinin her üyesine delil torbasından rastgele seçilmiş kanıtlar vermek; duruşma sonunda jürinin çoğunluk oyuna göre karar vermek.

Benzer Terimlerden Farkı

Modeller birbirini beklemez, tamamen bağımsız ve paralel çalışır. Hatalara odaklanmaz, çeşitliliğe odaklanır.

İlişkili Terimler (3)