차례:
정의-배깅이란 무엇입니까?
"버깅"또는 부트 스트랩 집계는 앙상블 학습을 사용하여 기계 학습 모델을 발전시키는 특정 유형의 기계 학습 프로세스입니다. 1990 년대에 개척 된이 기술은 특정 훈련 세트 그룹을 사용하며, 여기서 다른 훈련 세트간에 일부 관측이 반복 될 수 있습니다.
Techopedia는 자루에 넣기를 설명합니다
배깅에 대한 아이디어는 머신 러닝에서 광범위하게 사용되어 모델에 더 잘 맞습니다. 아이디어는 여러 개의 독립적 인 기계 학습 단위를 사용하면 더 많은 자원을 가진 하나의 단위보다 집합 적으로 더 잘 작동 할 수 있다는 것입니다.
이것이 어떻게 작동하는지 실제로 설명하기 위해, 배깅 과정의 각 부분을 개별 두뇌로 생각하십시오. 배깅이 없으면 머신 러닝은 문제를 해결하는 정말 똑똑한 두뇌로 구성됩니다. 배깅을 사용하면 프로세스는 많은 "약한 뇌"또는 덜 강한 뇌로 구성되어 프로젝트에 참여합니다. 그들은 각자 자신의 사고 영역을 가지고 있으며 그 영역 중 일부는 겹칩니다. 최종 결과를 종합하면 단 하나의 "두뇌"를 사용하는 것보다 훨씬 진화 된 것입니다.
매우 실제적인 의미에서, 배깅의 철학은 기술을 몇 년 앞선 아주 오래된 공리로 설명 할 수 있습니다. "두 머리가 하나보다 낫습니다." 자루에 넣는 결과는 10 개 또는 20 개 또는 50 개의 헤드가 1 개보다 낫습니다. 결과는 모두 더 나은 결과로 집계되기 때문입니다. 배깅은 엔지니어가 시스템이 데이터 나 목적에 맞지 않는 기계 학습에서 "과적 합 (overfitting)"현상과 싸우는 데 도움이되는 기술입니다.
