| http://dbpedia.org/ontology/abstract
|
In statistics and machine learning, ensemb … In statistics and machine learning, ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone.Unlike a statistical ensemble in statistical mechanics, which is usually infinite, a machine learning ensemble consists of only a concrete finite set of alternative models, but typically allows for much more flexible structure to exist among those alternatives.ructure to exist among those alternatives.
, 통계학과 기계 학습에서 앙상블 학습법(영어: ensemble learning … 통계학과 기계 학습에서 앙상블 학습법(영어: ensemble learning method)은 학습 알고리즘(learning algorithm)들을 따로 쓰는 경우에 비해 더 좋은 예측 성능을 얻기위해 다수의 학습 알고리즘을 사용하는 방법이다.통계 역학(statistical mechanics)에서의 통계적 앙상블과 달리 기계 학습에서의 앙상블은 대체 모델들의 단단한 유한 집합을 가리키지만, 일반적으로 그러한 대체 모델 사이에 훨씬 더 유연한 구조를 허용한다.지만, 일반적으로 그러한 대체 모델 사이에 훨씬 더 유연한 구조를 허용한다.
, Ансамбль методов в статистике и машинном о … Ансамбль методов в статистике и машинном обучении использует несколько обученных алгоритмов с целью получения лучшей , чем могли бы получить от каждого обучающего алгоритма по отдельности.В отличие от статистического ансамбля в статистической механике, который обычно бесконечен, ансамбль методов в обучении машин состоит из конкретного конечного множества альтернативных моделей, но, обычно, позволяет существовать существенно более гибким структурам.овать существенно более гибким структурам.
, Metode ensemble atau metode ansamble adala … Metode ensemble atau metode ansamble adalah algoritma dalam pembelajaran mesin (machine learning) dimana algoritma ini sebagai pencarian solusi prediksi terbaik dibandingkan dengan algoritma yang lain karena metode ensemble ini menggunakan beberapa algoritma pembelajaran untuk pencapaian solusi prediksi yang lebih baik daripada algoritma yang bisa diperoleh dari salah satu pembelajaran algoritma kosituen saja. Tidak seperti ansamble statistika didalam mekanika statistika biasanya selalu tak terbatas. Ansemble Pembelajaran hanya terdiri dari seperangkat model alternatif yang bersifat terbatas, namun biasanya memungkinkan untuk menjadi lebih banyak lagi struktur fleksibel yang ada diantara alternatif model itu sendiri. Evaluasi prediksi dari ensemble biasanya memerlukan banyak komputasi daripada evaluasi prediksi model tunggal (single model), jadi ensemble ini memungkinkan untuk mengimbangi poor learning algorithms oleh performasi lebih dari komputasi itu. Algoritma cepat(fast algorithms) seperti decision trees biasanya dipakai dalam metode ensemble ini seperti random forest, meskipun algoritma yang lebih lambat dapat memperoleh manfaat dari teknik ensemble juga.peroleh manfaat dari teknik ensemble juga.
, In statistica e apprendimento automatico, … In statistica e apprendimento automatico, con apprendimento d'insieme (in inglese ensemble learning) si intendono una serie di metodi che usano molteplici modelli o algoritmi per ottenere una migliore prestazione predittiva rispetto a quella ottenuta dagli stessi modelli applicati singolarmente. A differenza dell'insieme della meccanica statistica, che si ritiene infinito, tale insieme di modelli alternativi è concreto e finito. L'apprendimento d'insieme si divide in tre tecniche fondamentali:
* Bagging: Questa tecnica mira a creare un insieme di classificatori aventi la stessa importanza. All'atto della classificazione, ciascun modello voterà circa l'esito della predizione e l'output complessivo sarà la classe che avrà ricevuto il maggior numero di voti.
* Boosting: A differenza del bagging, ciascun classificatore influisce sulla votazione finale con un certo peso. Tale peso sarà calcolato in base all'errore di accuratezza che ciascun modello commetterà in fase di learning.
* Stacking: Mentre nel bagging l'output era il risultato di una votazione, nello stacking viene introdotto un ulteriore classificatore (detto meta-classificatore) che utilizza le predizioni di altri sotto-modelli per effettuare un ulteriore learning.elli per effettuare un ulteriore learning.
, 在统计学和机器学习中，集成学习（英語：Ensemble learning）方法使用多种学习算法来获得比单独使用任何单独的学习算法更好的预测性能。不像统计力学中的系综通常是无限的，机器学习集合仅由一组具体的有限的可替代模型组成，但通常允许在这些可替代方案中存在更灵活的结构。
, En statistique et en apprentissage automat … En statistique et en apprentissage automatique, l'apprentissage ensembliste utilise plusieurs algorithmes d'apprentissage pour obtenir de meilleures prédictions. Par exemple, l'ensemble de méthodes bagging, boosting et les forêts aléatoires est un exemple d'apprentissage ensembliste. Un ensemble combine méthodes, , , ..., .. Un ensemble combine méthodes, , , ..., .
, アンサンブル・ラーニングはアンサンブル・メソッドを用いた機械学習である。統計や機械学 … アンサンブル・ラーニングはアンサンブル・メソッドを用いた機械学習である。統計や機械学習で使われるアンサンブル・メソッドでは、さまざまな学習アルゴリズムの有限集合を使用することで、単一の学習アルゴリズムよりも優れた結果を得る 。一連のアルゴリズムの計算は、単一のアルゴリズムの計算よりも時間がかかるが、より浅い計算深度で、ほぼ同等の良好な結果を得ることができる。 アンサンブル・ラーニングの重要な応用領域は、決定木である。大きな決定木は、ルートからリーフまで多くの決定ノードがあり、それらすべてが不確実性の下でトラバースされるため、エラー率と分散が大きくなる傾向がある。たとえば、バギングは多くの小さな決定木を計算し、それらの結果の平均を使用する。これにより、分散（したがってエラー率）が大幅に減少する。れらの結果の平均を使用する。これにより、分散（したがってエラー率）が大幅に減少する。
, Ensemblemethoden werden in der Statistik u … Ensemblemethoden werden in der Statistik und für Machine Learning eingesetzt. Sie nutzen eine endliche Menge von verschiedenen Lernalgorithmen, um bessere Ergebnisse zu erhalten als mit einem einzelnen Lernalgorithmus. Die Berechnung der Ergebnisse dieser Menge von Algorithmen dauert zwar länger als die Auswertung eines einzelnen Algorithmus, allerdings kann bereits mit einer viel geringeren Rechentiefe ein in etwa gleich gutes Ergebnis erreicht werden. Ein wichtiges Einsatzgebiet von Ensemble Learning sind Entscheidungsbäume. Ein großer Entscheidungsbaum neigt zu hohen Fehlerraten und einer hohen Varianz, da von der Wurzel zu den Blättern viele Entscheidungsknoten liegen, die alle unter Unsicherheit durchlaufen werden. Bagging würde hier etwa viele kleine Entscheidungsbäume berechnen, und den Durchschnitt ihrer Ergebnisse verwenden, wodurch die Varianz (und damit auch die Fehlerrate) deutlich sinkt.damit auch die Fehlerrate) deutlich sinkt.
|
| http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/Bootstrap_set_generation.png?width=300 +
|
| http://dbpedia.org/ontology/wikiPageID
|
22212276
|
| http://dbpedia.org/ontology/wikiPageLength
|
46982
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1100411098
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Myotonic_dystrophy +
, http://dbpedia.org/resource/Boosting_%28machine_learning%29 +
, http://dbpedia.org/resource/Bayesian_structural_time_series +
, http://dbpedia.org/resource/Bayesian_average +
, http://dbpedia.org/resource/Bank_fraud +
, http://dbpedia.org/resource/Maximum_posterior_probability +
, http://dbpedia.org/resource/Stepwise_regression +
, http://dbpedia.org/resource/Flash_crowd +
, http://dbpedia.org/resource/Microsoft +
, http://dbpedia.org/resource/Kernel_principal_component_analysis +
, http://dbpedia.org/resource/Computer_system +
, http://dbpedia.org/resource/Computer_network +
, http://dbpedia.org/resource/Denial-of-service_attack +
, http://dbpedia.org/resource/Forest_dynamics +
, http://dbpedia.org/resource/Statistical_ensemble +
, http://dbpedia.org/resource/Telecommunication_fraud +
, http://dbpedia.org/resource/Statistics +
, http://dbpedia.org/resource/File:Bootstrap_set_generation.png +
, http://dbpedia.org/resource/File:Ensemble_Aggregation.png +
, http://dbpedia.org/resource/Change_detection_%28GIS%29 +
, http://dbpedia.org/resource/Google +
, http://dbpedia.org/resource/Akaike_information_criterion +
, http://dbpedia.org/resource/Fraud_detection +
, http://dbpedia.org/resource/Trojan_horses +
, http://dbpedia.org/resource/Credit_card_fraud +
, http://dbpedia.org/resource/Financial_crisis +
, http://dbpedia.org/resource/Supervised_learning +
, http://dbpedia.org/resource/Money_laundering +
, http://dbpedia.org/resource/Adaboost +
, http://dbpedia.org/resource/Computer_worm +
, http://dbpedia.org/resource/Cyber-attack +
, http://dbpedia.org/resource/Stock_price +
, http://dbpedia.org/resource/Deep_learning +
, http://dbpedia.org/resource/Plurality_voting +
, http://dbpedia.org/resource/Land_cover +
, http://dbpedia.org/resource/Geospatial_data +
, http://dbpedia.org/resource/Decision_trees +
, http://dbpedia.org/resource/Image_analysis +
, http://dbpedia.org/resource/Artificial_neural_networks +
, http://dbpedia.org/resource/Python_%28programming_language%29 +
, http://dbpedia.org/resource/Data_pre-processing +
, http://dbpedia.org/resource/Neuroscience +
, http://dbpedia.org/resource/Medical_diagnosis +
, http://dbpedia.org/resource/Bayes%27_theorem +
, http://dbpedia.org/resource/Stock_market +
, http://dbpedia.org/resource/Malware +
, http://dbpedia.org/resource/Ransomware +
, http://dbpedia.org/resource/Unsupervised_learning +
, http://dbpedia.org/resource/Land_use +
, http://dbpedia.org/resource/Internet_service_provider +
, http://dbpedia.org/resource/Random_forest +
, http://dbpedia.org/resource/Waffles_%28machine_learning%29 +
, http://dbpedia.org/resource/Earth_observation_satellite +
, http://dbpedia.org/resource/Ensemble_averaging_%28machine_learning%29 +
, http://dbpedia.org/resource/Financial_distress +
, http://dbpedia.org/resource/Urban_growth +
, http://dbpedia.org/resource/Disaster_Monitoring_Constellation +
, http://dbpedia.org/resource/Spyware +
, http://dbpedia.org/resource/Cross-validation_%28statistics%29 +
, http://dbpedia.org/resource/Proteomics +
, http://dbpedia.org/resource/Market_manipulation +
, http://dbpedia.org/resource/Anomaly_detection +
, http://dbpedia.org/resource/Intrusion_detection_system +
, http://dbpedia.org/resource/Digital_image +
, http://dbpedia.org/resource/Neurocognitive +
, http://dbpedia.org/resource/Emotion_recognition +
, http://dbpedia.org/resource/Pattern_recognition +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/Document_classification +
, http://dbpedia.org/resource/Logistic_regression +
, http://dbpedia.org/resource/Scikit-learn +
, http://dbpedia.org/resource/Independent_component_analysis +
, http://dbpedia.org/resource/Remote_sensing +
, http://dbpedia.org/resource/Decision_tree_learning +
, http://dbpedia.org/resource/Predictive_inference +
, http://dbpedia.org/resource/Category:Ensemble_learning +
, http://dbpedia.org/resource/IBM +
, http://dbpedia.org/resource/Computer_virus +
, http://dbpedia.org/resource/Perceptron +
, http://dbpedia.org/resource/Alzheimer +
, http://dbpedia.org/resource/MATLAB +
, http://dbpedia.org/resource/R_%28programming_language%29 +
, http://dbpedia.org/resource/Speech_recognition +
, http://dbpedia.org/resource/Consensus_clustering +
, http://dbpedia.org/resource/Face_recognition +
|
| http://dbpedia.org/property/curator
|
Robi Polikar
|
| http://dbpedia.org/property/title
|
Ensemble learning
|
| http://dbpedia.org/property/urlname
|
Ensemble_learning
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Mono +
, http://dbpedia.org/resource/Template:Machine_learning +
, http://dbpedia.org/resource/Template:Cite_book +
, http://dbpedia.org/resource/Template:According_to_whom +
, http://dbpedia.org/resource/Template:Citation_needed +
, http://dbpedia.org/resource/Template:Short_description +
, http://dbpedia.org/resource/Template:Main +
, http://dbpedia.org/resource/Template:Scholarpedia +
, http://dbpedia.org/resource/Template:W +
, http://dbpedia.org/resource/Template:Reflist +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Ensemble_learning +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Ensemble_learning?oldid=1100411098&ns=0 +
|
| http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/Ensemble_Aggregation.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Bootstrap_set_generation.png +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Ensemble_learning +
|
| owl:sameAs |
http://ru.dbpedia.org/resource/%D0%90%D0%BD%D1%81%D0%B0%D0%BC%D0%B1%D0%BB%D1%8C_%D0%BC%D0%B5%D1%82%D0%BE%D0%B4%D0%BE%D0%B2_%28%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%D0%BC%D0%B0%D1%88%D0%B8%D0%BD%29 +
, http://it.dbpedia.org/resource/Apprendimento_d%27insieme +
, http://ko.dbpedia.org/resource/%EC%95%99%EC%83%81%EB%B8%94_%ED%95%99%EC%8A%B5%EB%B2%95 +
, http://rdf.freebase.com/ns/m.05q978y +
, http://www.wikidata.org/entity/Q245652 +
, http://zh.dbpedia.org/resource/%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0 +
, http://de.dbpedia.org/resource/Ensemble_learning +
, http://fr.dbpedia.org/resource/Apprentissage_ensembliste +
, https://global.dbpedia.org/id/2KEVM +
, http://id.dbpedia.org/resource/Metode_ensemble +
, http://dbpedia.org/resource/Ensemble_learning +
, http://ja.dbpedia.org/resource/%E3%82%A2%E3%83%B3%E3%82%B5%E3%83%B3%E3%83%96%E3%83%AB%E3%83%BB%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0 +
|
| rdfs:comment |
통계학과 기계 학습에서 앙상블 학습법(영어: ensemble learning … 통계학과 기계 학습에서 앙상블 학습법(영어: ensemble learning method)은 학습 알고리즘(learning algorithm)들을 따로 쓰는 경우에 비해 더 좋은 예측 성능을 얻기위해 다수의 학습 알고리즘을 사용하는 방법이다.통계 역학(statistical mechanics)에서의 통계적 앙상블과 달리 기계 학습에서의 앙상블은 대체 모델들의 단단한 유한 집합을 가리키지만, 일반적으로 그러한 대체 모델 사이에 훨씬 더 유연한 구조를 허용한다.지만, 일반적으로 그러한 대체 모델 사이에 훨씬 더 유연한 구조를 허용한다.
, Metode ensemble atau metode ansamble adala … Metode ensemble atau metode ansamble adalah algoritma dalam pembelajaran mesin (machine learning) dimana algoritma ini sebagai pencarian solusi prediksi terbaik dibandingkan dengan algoritma yang lain karena metode ensemble ini menggunakan beberapa algoritma pembelajaran untuk pencapaian solusi prediksi yang lebih baik daripada algoritma yang bisa diperoleh dari salah satu pembelajaran algoritma kosituen saja. Tidak seperti ansamble statistika didalam mekanika statistika biasanya selalu tak terbatas. Ansemble Pembelajaran hanya terdiri dari seperangkat model alternatif yang bersifat terbatas, namun biasanya memungkinkan untuk menjadi lebih banyak lagi struktur fleksibel yang ada diantara alternatif model itu sendiri.ada diantara alternatif model itu sendiri.
, En statistique et en apprentissage automat … En statistique et en apprentissage automatique, l'apprentissage ensembliste utilise plusieurs algorithmes d'apprentissage pour obtenir de meilleures prédictions. Par exemple, l'ensemble de méthodes bagging, boosting et les forêts aléatoires est un exemple d'apprentissage ensembliste. Un ensemble combine méthodes, , , ..., .. Un ensemble combine méthodes, , , ..., .
, アンサンブル・ラーニングはアンサンブル・メソッドを用いた機械学習である。統計や機械学 … アンサンブル・ラーニングはアンサンブル・メソッドを用いた機械学習である。統計や機械学習で使われるアンサンブル・メソッドでは、さまざまな学習アルゴリズムの有限集合を使用することで、単一の学習アルゴリズムよりも優れた結果を得る 。一連のアルゴリズムの計算は、単一のアルゴリズムの計算よりも時間がかかるが、より浅い計算深度で、ほぼ同等の良好な結果を得ることができる。 アンサンブル・ラーニングの重要な応用領域は、決定木である。大きな決定木は、ルートからリーフまで多くの決定ノードがあり、それらすべてが不確実性の下でトラバースされるため、エラー率と分散が大きくなる傾向がある。たとえば、バギングは多くの小さな決定木を計算し、それらの結果の平均を使用する。これにより、分散（したがってエラー率）が大幅に減少する。れらの結果の平均を使用する。これにより、分散（したがってエラー率）が大幅に減少する。
, 在统计学和机器学习中，集成学习（英語：Ensemble learning）方法使用多种学习算法来获得比单独使用任何单独的学习算法更好的预测性能。不像统计力学中的系综通常是无限的，机器学习集合仅由一组具体的有限的可替代模型组成，但通常允许在这些可替代方案中存在更灵活的结构。
, Ensemblemethoden werden in der Statistik u … Ensemblemethoden werden in der Statistik und für Machine Learning eingesetzt. Sie nutzen eine endliche Menge von verschiedenen Lernalgorithmen, um bessere Ergebnisse zu erhalten als mit einem einzelnen Lernalgorithmus. Die Berechnung der Ergebnisse dieser Menge von Algorithmen dauert zwar länger als die Auswertung eines einzelnen Algorithmus, allerdings kann bereits mit einer viel geringeren Rechentiefe ein in etwa gleich gutes Ergebnis erreicht werden.twa gleich gutes Ergebnis erreicht werden.
, In statistics and machine learning, ensemb … In statistics and machine learning, ensemble methods use multiple learning algorithms to obtain better predictive performance than could be obtained from any of the constituent learning algorithms alone.Unlike a statistical ensemble in statistical mechanics, which is usually infinite, a machine learning ensemble consists of only a concrete finite set of alternative models, but typically allows for much more flexible structure to exist among those alternatives.ructure to exist among those alternatives.
, Ансамбль методов в статистике и машинном о … Ансамбль методов в статистике и машинном обучении использует несколько обученных алгоритмов с целью получения лучшей , чем могли бы получить от каждого обучающего алгоритма по отдельности.В отличие от статистического ансамбля в статистической механике, который обычно бесконечен, ансамбль методов в обучении машин состоит из конкретного конечного множества альтернативных моделей, но, обычно, позволяет существовать существенно более гибким структурам.овать существенно более гибким структурам.
, In statistica e apprendimento automatico, … In statistica e apprendimento automatico, con apprendimento d'insieme (in inglese ensemble learning) si intendono una serie di metodi che usano molteplici modelli o algoritmi per ottenere una migliore prestazione predittiva rispetto a quella ottenuta dagli stessi modelli applicati singolarmente. A differenza dell'insieme della meccanica statistica, che si ritiene infinito, tale insieme di modelli alternativi è concreto e finito. L'apprendimento d'insieme si divide in tre tecniche fondamentali:me si divide in tre tecniche fondamentali:
|
| rdfs:label |
Ансамбль методов (обучение машин)
, 集成学习
, 앙상블 학습법
, Metode ensemble
, Ensemble learning
, Apprentissage ensembliste
, アンサンブル・ラーニング
, Apprendimento d'insieme
|
