| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
روش های جمعی جهت رگرسیون: یک بررسی |
| عنوان انگلیسی مقاله: |
Ensemble Approaches for Regression: A Survey |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار مقاله | 2012 |
| تعداد صفحات مقاله انگلیسی | 40 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | آمار |
| گرایش های مرتبط با این مقاله | آمار ریاضی |
| مجله مربوطه | بررسی محاسبات (Computing Surveys) |
| دانشگاه تهیه کننده | دانشگاه پورتو |
| لینک مقاله در سایت مرجع | لینک این مقاله در سایت ACM |
| نشریه ACM |  |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 66صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه نشده است |
| ترجمه متون داخل تصاویر | ترجمه نشده است |
| ترجمه متون داخل جداول | ترجمه نشده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
مقدمه
یادگیری جمعی برای رگرسیون
رگرسیون
تعریف یادگیری جمعی
فرایند یادگیری جمعی. فرایند جمعی می تواند به سه مرحله تقسیم شود (Roli et al, 2001)
2.2.2 طبقه بندی و اصطلاحات
راه اندازی آزمایشی
درک خطای تعمیم جمعی
مثالی مفصل از روش جمعی برای رگرسیون
3.تولید جمعی
3.1.دستکاری داده ها
3.1.1.زیرمجموعه گیری از مجموعه آموزش
3.1.2.دستکاری ویژگی های ورودی
3.1.3دستکاری متغیر خروجی.
3.2. دستکاری فرایند مدل سازی
3.2.1دستکاری مجموعه پارامترها
3.2.2دستکاری الگوریتم القا.
3.2.3.دستکاری مدل
3.3.بحث درمورد تولید جمعی
4.هرس کردن جمعی
4.1. رویکردهای مبتنی بر پارتیشن بندی
4.2. رویکردهای مبتنی بر جستجو برای انتخاب مدل زیرمجموعه
4.2.1الگوریتم جستجو نمایی
4.2.2 الگوریتم جستجوی تصادفی
4.2.3. الگوریتم های جستجوی متوالی
4.3.مقیاس های ارزیابی برای هرس جمعی
4.4 بحث در مورد هرس کردن جمعی
5. ادغام جمعی
5.1. توابع ادغام
5.2 رویکرد پویا
5.3مطالعات تطبیقی
5.4بحث در مورد ادغام جمعی
6.بحث های کلی
7.نتیجه گیری
- بخشی از ترجمه:
7.نتیجه گیری
یادگیری جمعی با روش هایی مرتبط است که چندین مدل را برای پیش بینی انجام می دهد. مزیت اصلی روش های جمعی دقت و استحکام آن در مقایسه با استفاده از مدل منفرد است. برای یادگیری جمعی همانند دیگر موارد تحقیق، روش ها برای رگرسیون و طبقه بندی تا حدی بر مبنای راه حل های متفاوت می باشد. این بویژه برای رویکردهایی درست است که الگوریتم القا را در مرحله ی تولید جمعی و ادغام جمعی دستکاری می کند که به نوع خروجی ای بستگی دارد که می بایست ترکیب شوند.این باعث تعداد قابل توجهی از آثار شده است که باید به صورت مستقل برای رگرسیون انجام شود. با این وجود، علارغم اهمیت رگرسیون، تنها نظرسنجی ها بر یادگیری جمعی که هم برای محققان و هم پژوهشگران موجود است بر طبقه بندی متمرکز است. این مقاله سعی دارد این مشکل را با استفاده از ارائه ی یک بررسی بر یادگیری جمعی برای رگرسیون خطاب کند. با این حال، بر این باوریم که این مقاله می تواند برای زمینه های جمعی در طبقه بندی مفید باشد. علاوه بر روش هایی که مستقل از یادگیری هستند، طبقه بندی ای که برای روش ها پیشنهاد شد نیز برای جمعی کلاسه بندی ها قابل استفاده بود.
- بخشی از مقاله انگلیسی:
7. CONCLUSIONS
Ensemble learning is concerned with methods that combine several models to make predictions. The main advantage of ensemble methods is their accuracy and robustness comparatively to the use of a single model. For ensemble learning, as for other research areas, methods for regression and for classification are based on different solutions, at least partially. This is particularly true in approaches that manipulate the induction algorithm in the ensemble generation phase and in the ensemble integration phase, which depends on the type of output to be combined. This has caused a significant amount of work to be carried out independently on ensembles for regression. However, despite the importance of regression, the only surveys on ensemble learning that are available to both researchers and practitioners focus on classification. This article tries to address this problem by presenting a review of ensemble learning for regression. Nevertheless, we believe that this article can also be useful to the field of ensembles for classification. Besides the methods that are independent of the learning task, the taxonomy that is proposed to organize the methods is also applicable to ensembles of classifiers.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
روش های جمعی جهت رگرسیون: یک بررسی |
| عنوان انگلیسی مقاله: |
Ensemble Approaches for Regression: A Survey |
|
|