✍️✍️راهنمای تصویری برای Bagging و Boosting در ML.

در یک خلاصه، یک گروه چندین مدل را برای ساخت یک مدل قدرتمندتر ترکیب می کند.این ضعف مدل های فردی را کاهش می دهد.
✍️گروه ها عمدتاً با استفاده از دو استراتژی مختلف ساخته می شوند:
1) کوله بری(Bagging)
2) تقویت(Boosting)

1) بسته بندی(Bagging):
- زیر مجموعه های مختلف داده را ایجاد می کند
- در هر زیر مجموعه یک مدل را آموزش می دهد
- همه پیش بینی ها را برای به دست آوردن پیش بینی نهایی جمع می کند
-مورد استفاده توسط Random forest, ExtRa treesو غیره

2) تقویت(Boosting):
- یک فرآیند آموزشی تکراری است
- مدل بعدی تمرکز بیشتری بر روی نمونه های طبقه بندی اشتباه مدل قبلی دارد.
- پیش بینی نهایی ترکیب وزنی از همه پیش بینی ها است.
- توسط XGBoost، AdaBoost و غیره استفاده می شود.

@BIMining