랜덤 부분공간 방법

1 개요[ | ]

random subspace method, attribute bagging, feature bagging,
랜덤 부분공간 방법, 임의 부분공간 방법, 속성 배깅, 특성 배깅
  • 전체 특성 집합 대신 특성의 랜덤 표본에서 추정량을 훈련하여, 앙상블에서 추정량 간의 상관을 줄이는 앙상블 학습 방법

2 알고리즘[ | ]

  1. 훈련 지점의 수를 [math]\displaystyle{ N }[/math]으로, 훈련 데이터의 특성 수를 [math]\displaystyle{ D }[/math]로 설정한다.
  2. 앙상블의 개별 모델 수로 [math]\displaystyle{ L }[/math]을 선택한다.
  3. 각 개별 모델 [math]\displaystyle{ l }[/math]에 대해, [math]\displaystyle{ n_l (n_l \lt N) }[/math][math]\displaystyle{ l }[/math]에 대한 입력 포인트 수로 선택한다. 모든 개별 모델에 대해 하나의 [math]\displaystyle{ n_l }[/math] 값만 갖는 것이 일반적이다.
  4. 각 개별 모델 [math]\displaystyle{ l }[/math]에 대해, [math]\displaystyle{ D }[/math]에서 [math]\displaystyle{ d_l }[/math] 특성을 선택하여 학습 세트를 만들고 모델을 학습시킨다.

이제 보이지 않는 지점에 앙상블 모델을 적용하기 위해, 과반수 투표 또는 사후확률을 결합하여 [math]\displaystyle{ L }[/math]개의 개별 모델 출력을 결합한다.

3 같이 보기[ | ]

4 참고[ | ]

문서 댓글 ({{ doc_comments.length }})
{{ comment.name }} {{ comment.created | snstime }}