Глоссарий ИИ
Полный словарь искусственного интеллекта
Ансамбль методом вставки
Метод ансамбля, который строит несколько моделей на случайных подмножествах обучающих данных без замещения, чтобы уменьшить дисперсию и улучшить обобщение.
Выборка без замещения
Техника выбора наблюдений, при которой каждый выбранный элемент удаляется из совокупности, обеспечивая уникальные подмножества, как в методе вставки.
Выборка с замещением
Метод, при котором наблюдения могут быть выбраны несколько раз в одной и той же выборке, что является фундаментальной характеристикой бэггинга.
Обучающее подмножество
Часть обучающих данных, используемая для построения индивидуальной модели в ансамблевом методе, с замещением или без него в зависимости от техники.
Агрегация предсказаний
Процесс объединения индивидуальных предсказаний ансамблевых моделей, обычно через большинство голосов (классификация) или среднее значение (регрессия).
Разнообразие моделей
Принцип, согласно которому ансамблевые модели должны быть различными для эффективной агрегации, достигаемый за счет разнообразных подмножеств данных.
Случайная выборка подпространств
Расширение бэггинга, где модели обучаются на случайных подмножествах признаков в дополнение к подмножествам наблюдений.
Вставка малых выборок
Вариант метода вставки, использующий подмножества уменьшенного размера для ускорения обучения при сохранении разнообразия моделей.
Дисперсия модели
Чувствительность модели к вариациям обучающих данных, которое ансамблевые методы, такие как бэггинг, специально стремятся уменьшить.
Стабильность предсказаний
Способность модели выдавать согласованные прогнозы при небольших изменениях в обучающих данных, улучшаемая ансамблевыми методами.
Параллельное обучение ансамбля
Преимущество бэггинга и пэстинга, позволяющее одновременное обучение базовых моделей на разных поднаборах данных.
Сложность выборки
Количество образцов, необходимых для достижения определённой производительности, потенциально уменьшаемое эффективными ансамблевыми методами.