Sisältö
- Määritelmä - mitä pakkaaminen tarkoittaa?
- Johdanto Microsoft Azureen ja Microsoft Cloud | Tämän oppaan läpi opit mitä pilvipalvelussa on kyse ja kuinka Microsoft Azure voi auttaa sinua siirtämään ja johtamaan yritystä pilvestä.
- Techopedia selittää pakkaamisen
Määritelmä - mitä pakkaaminen tarkoittaa?
"Bagging" tai bootstrap-aggregaatio on erityinen koneoppimisprosessi, joka käyttää ryhmäoppimista koneoppimismallien kehittämiseen. 1990-luvulla uranuurtajana käytetty tekniikka käyttää tiettyjä harjoitusryhmien ryhmiä, joissa jotkut havainnot voidaan toistaa eri harjoitusryhmien välillä.
Johdanto Microsoft Azureen ja Microsoft Cloud | Tämän oppaan läpi opit mitä pilvipalvelussa on kyse ja kuinka Microsoft Azure voi auttaa sinua siirtämään ja johtamaan yritystä pilvestä.
Techopedia selittää pakkaamisen
Pussitusideaa on käytetty laajasti koneoppimisessa mallien paremman sopivuuden luomiseksi. Ajatuksena on, että jos otat useita itsenäisiä koneoppimisyksiköitä, ne voivat toimia yhdessä paremmin kuin yksi yksikkö, jolla olisi enemmän resursseja.
Kuvailla pakkausprosessin jokaista osaa yksittäisenä aivoina, jotta tämä todella näyttää, miten tämä toimii. Ilman pussittamista koneoppiminen koostuisi todella älykkäästä aivosta, joka työskentelee ongelman parissa. Pussittamisen yhteydessä prosessi koostuu monista "heikoista aivoista" tai vähemmän vahvoista aivoista, jotka tekevät yhteistyötä projektin kanssa. Heillä kaikilla on oma ajattelualueensa, ja jotkut näistä alueista ovat päällekkäisiä. Kun laitat lopputuloksen yhteen, se on kehittynyt paljon enemmän kuin se olisi vain yhden "aivojen" kanssa.
Aivan oikeassa mielessä pussitusfilosofiaa voidaan kuvata hyvin vanhalla aksioomilla, joka edeltää tekniikkaa melko monta vuotta: "kaksi päätä on parempi kuin yksi". Pussitussa 10, 20 tai 50 päätä on parempi kuin yksi, koska tulokset otetaan kokonaan ja yhdistetään parempaan tulokseen. Pussittaminen on tekniikka, joka voi auttaa insinöörejä torjumaan koneiden oppimisen "ylimääräisen asennuksen" ilmiötä, kun järjestelmä ei sovi tietoihin tai tarkoitukseen.