Skoči na glavni sadržaj

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


Puni tekst: hrvatski pdf 896 Kb

verzije

str. 245-252

preuzimanja: 0

citiraj


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

https://hrcak.srce.hr/318105

Datum izdavanja:

5.2.2024.

Podaci na drugim jezicima: engleski

Posjeta: 0 *