Mengantongi dan Hutan Acak – Tabel Perbedaan mereka yang mendasar

Perbedaan mendasar

Mengantongi

Hutan Acak

Tahun

Bagging diperkenalkan pada tahun 1996 hampir 2 dekade yang lalu. Hutan acak diperkenalkan.

Algoritma, hutan acak diperkenalkan pada tahun 2001.

Penemu

Algoritme bagging diciptakan oleh seorang pria bernama Leo Breiman.

Setelah berhasil mengantongi, Leo Breiman membuat versi agregasi bootstrap yang disempurnakan, hutan acak.

Penggunaan

Untuk meningkatkan kestabilan program, bagging digunakan oleh pohon keputusan.

Teknik random forest digunakan untuk menyelesaikan permasalahan yang berkaitan dengan klasifikasi dan regresi.

Tujuan

Tujuan utama dari bagging adalah untuk melatih pohon keputusan yang belum dipangkas dari matahari terbenam yang berbeda.

Tujuan utama hutan acak adalah untuk membuat banyak pohon acak.

Hasil

Algoritma bagging memberikan hasil model pembelajaran mesin dengan stabilitas yang akurat.

Hasil yang diberikan oleh random forest adalah ketahanan terhadap masalah overfitting pada program.

Prosedur tertentu untuk memecahkan masalah komputasi dikenal sebagai algoritma. Ada berbagai jenis algoritma.

Dalam pemrograman, pengembangan algoritma memiliki nilai yang berbeda dari teknik lainnya. Suatu program membutuhkan banyak algoritma terbaik untuk berjalan secara efektif.

Bagging dan Random Forest juga merupakan dua jenis algoritma.

Mengantongi berbeda dengan Hutan Acak:

Perbedaan antara bagging dan Random Forest adalah bagging adalah algoritme yang didasarkan pada ansambel sedangkan random forest adalah algoritme yang merupakan versi bagging yang ditingkatkan dan ditingkatkan, memiliki banyak fitur yang disalin dari algoritme bagging. Kedua algoritma ini sering digunakan di bidang pembelajaran mesin.

Bagging adalah meta-algoritma yang dirancang untuk meningkatkan dan meningkatkan akurasi dan stabilitas algoritma pembelajaran mesin yang digunakan dalam klasifikasi istilah statistik dan regresi.

Nama lain untuk mengantongi adalah bootstrap aggregating. Ini adalah teknik yang sangat berguna untuk meningkatkan program komputer.

Hutan acak juga merupakan algoritma yang dikenal sebagai Algoritma Pembelajaran Mesin Terawasi yang juga dirancang untuk meningkatkan akurasi dan stabilitas dalam istilah regresi. Pemrogram menggunakan algoritma ini secara luas untuk menyelesaikan masalah regresi.

Teknik ini bekerja dengan membangun pohon keputusan untuk sampel yang berbeda. Itu juga menangani kumpulan data yang menyertakan variabel kontinu.

Tabel perbandingan:

Perbedaan mendasar

Mengantongi

Hutan Acak

Tahun

Bagging diperkenalkan pada tahun 1996 hampir 2 dekade yang lalu. Hutan acak diperkenalkan.

Algoritma, hutan acak diperkenalkan pada tahun 2001.

Penemu

Algoritme bagging diciptakan oleh seorang pria bernama Leo Breiman.

Setelah berhasil mengantongi, Leo Breiman membuat versi agregasi bootstrap yang disempurnakan, hutan acak.

Penggunaan

Untuk meningkatkan kestabilan program, bagging digunakan oleh pohon keputusan.

Teknik random forest digunakan untuk menyelesaikan permasalahan yang berkaitan dengan klasifikasi dan regresi.

Tujuan

Tujuan utama dari bagging adalah untuk melatih pohon keputusan yang belum dipangkas dari matahari terbenam yang berbeda.

Tujuan utama hutan acak adalah untuk membuat banyak pohon acak.

Hasil

Algoritma bagging memberikan hasil model pembelajaran mesin dengan stabilitas yang akurat.

Hasil yang diberikan oleh random forest adalah ketahanan terhadap masalah overfitting pada program.

Pengertian Mengantongi?:

Bagging adalah algoritma yang digunakan oleh banyak programmer dalam pembelajaran mesin. Nama lain yang dikenal dengan mengantongi adalah agregasi bootstrap.

Ini didasarkan pada ansambel dan merupakan meta-algoritma. Bagging digunakan dalam program komputer untuk meningkatkan akurasi dan stabilitasnya.

Metode pohon keputusan juga mengadaptasi bagging.

Bagging dapat dianggap sebagai pendekatan rata-rata model untuk kasus-kasus khusus. Ketika ada overfitting dalam sebuah program dan peningkatan jumlah varians, bagging digunakan untuk memberikan bantuan yang diperlukan untuk memecahkan masalah ini.

Jumlah dataset yang ditemukan pada bagging adalah tiga, yaitu dataset bootstrap, original, dan out to bag. Saat program mengambil objek acak dari kumpulan data, proses ini mengarah pada pembuatan database bootstrap.

Di out to bag dataset, program mewakili sisa objek yang tersisa di bootstrap.

Dataset bootstrap dan out to bag harus dibuat dengan sangat hati-hati karena digunakan untuk menguji keakuratan program atau algoritme bagging.

Beberapa pohon keputusan dan beberapa kumpulan data dihasilkan oleh algoritme pengantongan dan kemungkinan ada objek yang ditinggalkan. Untuk membuat pohon digunakan untuk memeriksa kumpulan sampel yang telah di-bootstrap.

Pengertian Hutan Acak?:

Hutan acak adalah teknik yang banyak digunakan dalam program pembelajaran mesin. Ia juga dikenal sebagai Algoritma Pembelajaran Mesin Terawasi.

Hutan acak mengambil banyak sampel berbeda dan membangun pohon keputusan sehingga dapat menyelesaikan masalah yang berkaitan dengan regresi dan kasus klasifikasi. Mayoritas yang ditarik dari pohon keputusan digunakan untuk memilih.

Ketika ada variabel kontinu dalam kasus klasifikasi, hutan acak menyediakan bantuan untuk menangani kumpulan data. Hutan acak dikenal sebagai algoritma berbasis ansambel.

Dengan ansambel seseorang dapat memahami beberapa model yang digabungkan di tempat yang sama. Ada dua metode yang digunakan oleh ansambel dan mengantongi adalah salah satunya.

Yang kedua adalah meningkatkan. Kumpulan pohon keputusan membentuk hutan acak.

Ketika seorang programmer membuat pohon keputusan, dia harus membuat setiap pohon berbeda untuk menjaga keragaman antar pohon.

Di hutan acak, ruang untuk fitur berkurang karena tidak dipertimbangkan oleh setiap pohon. Data atau atribut yang digunakan untuk membentuk setiap pohon keputusan berbeda satu sama lain.

Pembuatan hutan acak menggunakan CPU secara menyeluruh. Selalu ada kemungkinan 30% bahwa seluruh data tidak akan digunakan atau diuji saat beroperasi melalui hutan acak.

Hasil atau output tergantung pada mayoritas yang disediakan oleh pohon keputusan.

Perbedaan Utama Antara Mengantongi dan Hutan Acak:

  1. Bagging digunakan ketika tidak ada stabilitas yang ditemukan dalam program pembelajaran mesin. Sedangkan hutan acak digunakan untuk mengatasi masalah terkait regresi.
  2. Bagging melihat melalui pohon keputusan untuk memeriksa perubahan yang diperlukan dan memperbaikinya. Di sisi lain, hutan acak membuat pohon keputusan di tempat pertama.
  3. Bagging dibuat pada tahun 1996 ketika pembelajaran mesin masih berkembang, sedangkan algoritma random forest diperkenalkan pada tahun 2001.
  4. Bagging dikembangkan dan diperbaiki oleh Leo Breiman untuk mempermudah pembelajaran mesin dan setelah setahun hutan acak diperkenalkan sebagai versi yang ditingkatkan yang juga dikembangkan oleh Leo.
  5. Bagging adalah meta-algoritma yang didasarkan pada teknik ansambel sedangkan hutan acak adalah bentuk bagging yang disempurnakan.

Referensi:

  1. https://projecteuclid.org/journals/annals-of-statistics/volume-30/issue-4/Analyzing-bagging/10.1214/aos/1031689014.short
  2. https://link.springer.com/chapter/10.1007/978-3-642-31537-4_13

Saya telah berusaha keras menulis posting blog ini untuk memberikan nilai kepada Anda. Ini akan sangat membantu saya, jika Anda mempertimbangkan untuk membagikannya di media sosial atau dengan teman/keluarga Anda. BERBAGI ADALAH ♥️

Related Posts