Talk: Повышение эффективности (машинное обучение)

Эта статья имеет рейтинг Start-class по шкале оценки контента Википедии . Она представляет интерес для следующих WikiProjects :

Робототехника средней важности Эта статья находится в рамках WikiProject Robotics , совместных усилий по улучшению освещения Robotics в Wikipedia. Если вы хотите принять участие, посетите страницу проекта, где вы можете присоединиться к обсуждению и увидеть список открытых задач.Робототехника Википедия: WikiProject Робототехника Шаблон: WikiProject Робототехника Робототехника Середина Данная статья имеет среднюю степень важности по шкале важности проекта .

Совет: в большинстве браузеров якоря чувствительны к регистру . This article contains broken links to one or more target anchors: [[learning#3|learning]] The anchors may have been removed, renamed, or are no longer valid. Please fix them by following the link above, checking the page history of the target pages, or updating the links. Remove this template after the problem is fixed | Report an error

Первое предложение статьи определяет бустинг как метод снижения смещения. Разве это не неверно? Если бустинг обеспечивает обобщение, а дисперсия относится к дисперсии модели для разных обучающих наборов (т. е. высокая дисперсия означает переобучение), то бустинг должен снижать дисперсию и тем самым увеличивать смещение. Я в замешательстве, может кто-нибудь прокомментировать?

--EmanueleLM (обс.) 07:43, 1 июня 2016 (UTC) Нет, в принципе верно, так как в зависимости от количества слабых учеников вы можете получить смещение (их слишком мало) или переобучение (их слишком много). Это лучшая статья, которую вы можете прочитать о Boosting: http://rob.schapire.net/papers/explaining-adaboost.pdf [ ответить ]

В любом случае бустинг почти всегда снижает смещение и на практике, если вы не используете много обучающихся алгоритмов, не увеличивает дисперсию значительно.

Объяснение сильного против слабого ученика немного запутанное. К сожалению, я не тот человек, который сможет объяснить это лучше. —Предыдущий неподписанный комментарий добавлен 193.171.142.61 ( обсуждение ) 08:42, 7 декабря 2010 (UTC) [ ответить ]

Усиление также является методом увеличения мощности атомной бомбы ( Усиленное атомное оружие ). Это то, на что следует ссылаться в этой статье? Или, может быть, поместить на страницу disambig. для усиления ? --81.233.75.23 12:53, 1 июня 2006 (UTC) [ ответить ]

Это должно быть на странице disambug. Grokmenow 16:27, 10 июля 2007 (UTC) [ ответить ]

Ой, не увидел дату. Извините. Grokmenow 16:27, 10 июля 2007 (UTC) [ ответить ]

Я удалил эту статью из категории компьютерное зрение . Бустинг, вероятно, используется некоторыми людьми для решения задач CV, но

1. Это не методология, разработанная в рамках CV или специально для CV.
2. Бустинг уже включен в категорию ансамблевого обучения , которая связана с категорией CV через машинное обучение.

-- КИН 22:36, 27 июля 2007 г. (UTC) [ ответ ]

Я удалил две статьи из раздела ссылок. Возможно, следует начать другой раздел ссылок, чтобы включить некоторые дополнительные исследования по бустингу.

-- AaronArvey — Предыдущий неподписанный комментарий добавлен AaronArvey ( обсуждение • вклад ) 01:15, 3 сентября 2007 (UTC) [ ответить ]

В статье, цитируемой в отношении «выпуклых потенциальных усилителей, [не способных] противостоять случайному шуму классификации», утверждается, что «усилители на основе ветвящихся программ» могут противостоять шуму.

Было бы здорово, если бы кто-нибудь знающий мог объяснить, что такое «ускорители на основе ветвящихся программ». (Извините, но я не могу) — Предыдущий неподписанный комментарий добавлен 194.103.189.41 ( обсуждение ) 14:14, 23 марта 2011 (UTC) [ ответить ]

Согласен! -- 149.148.237.120 (обсуждение) 09:30, 27 августа 2014 (UTC) [ ответить ]

Я думаю, что эта статья: http://en.wikipedia.org/wiki/Boosting_methods_for_object_categorization

следует объединить с этим. Кто-нибудь согласен? — Предыдущий неподписанный комментарий добавлен 207.139.190.179 (обсуждение) 20:21, 4 декабря 2012 (UTC) [ ответить ]

The contents of the Boosting methods for object categorization page were merged into Boosting (machine learning) on 26th July 2016. For the contribution history and old versions of the redirected page, please see its history; for the discussion at that location, see its talk page.

Да (хотя и с некоторым опозданием). Klbrain ( обсуждение ) 14:23, 26 июля 2016 (UTC) [ ответить ]

Boosting for multi-class categorization во втором абзаце заявляет, что основной поток алгоритма похож на двоичный случай . Возможно, автор имел в виду слово «недостаток»? В любом случае в двоичном случае нет упоминания о его основном потоке или недостатке. Поэтому это нужно прояснить и, возможно, переписать.-- Gciriani ( talk ) 01:57, 3 июня 2017 (UTC) [ ответить ]

Я думаю, он имел в виду алгоритм под потоком, потому что нет упоминания об ошибке. — Предыдущий неподписанный комментарий добавлен 2402:4000:2080:1FDC:15CB:7F3F:641:48B5 (обсуждение) 05:28, 23 июля 2020 (UTC) [ ответить ]

Первое предложение:

«Бустинг — это метаалгоритм ансамбля машинного обучения, предназначенный в первую очередь для снижения смещения, а также дисперсии[1]»

и эта цитата приводит к:

https://web.archive.org/web/20150119081741/http://oz.berkeley.edu/~breiman/arcall96.pdf

Я не могу найти в этой статье ничего, что бы говорило о том, что бустинг "в первую очередь направлен на снижение предвзятости". На самом деле, похоже, все наоборот:

«Хотя и бэггинг, и дугообразование [=усиление] немного уменьшают смещение, их основной вклад в точность заключается в значительном снижении дисперсии. Дугообразование лучше, чем бэггинг, потому что оно лучше справляется с уменьшением дисперсии».

31.220.221.120 (обсуждение) 14:04, 14 декабря 2017 (UTC) [ ответить ]