Politehnika i dizajn, Vol. 11 No. 4, 2023.
Stručni rad
https://doi.org/10.19279/TVZ.PD.2023-11-4-04
ANSAMBL METODE STROJNOG UČENJA
Aleksandar , Stojanović
; Tehničko veleučilište u Zagrebu, Vrbik 8, 10000 Zagreb, Hrvatska
Željko Kovačević
; Tehničko veleučilište u Zagrebu, Vrbik 8, 10000 Zagreb, Hrvatska
Danko Ivošević
; Tehničko veleučilište u Zagrebu, Vrbik 8, 10000 Zagreb, Hrvatska
Sažetak
Ansambl metode strojnog učenja privukle su značajnu pažnju posljednjih godina zbog svoje sposobnosti poboljšanja točnosti i robusnosti prediktivnih modela. Ove metode kombiniraju rezultate više pojedinačnih modela kako bi proizvele konačno predviđanje. Ansambl metode otpornije su na odstupanja u podacima. Mogu se primijeniti na širok raspon problema u području strojnog učenja, uključujući klasifikaciju, regresiju i klasteriranje. Općenito mogu pomoći u poboljšanju izvedbe modela strojnog učenja i naširoko se koriste u praksi. Zbog njihove velike važnosti i značaja ovaj članak pruža pregled nekih od najčešće korištenih ansambl metoda u strojnom učenju, uključujući pakiranje, pojačavanje i slaganje, te opisuje prednosti i ograničenja svakog od ovih pristupa.
Ključne riječi
ansambl; strojno učenje; pakiranje; pojačavanje; slaganje
Hrčak ID:
318105
URI
Datum izdavanja:
5.2.2024.
Posjeta: 422 *