アンサンブル学習
Sign in to savein machine learning, the use of multiple algorithms to obtain better predictive performance than from any of the constituent learning algorithms alone
Research
15,601 papers- Multi-cohort ensemble learning framework for vaginal microbiome-based endometrial cancer detection.Frontiers in cellular and infection microbiology · 2025
- DDEvENet: Evidence-based ensemble learning for uncertainty-aware brain parcellation using diffusion MRI.Computerized medical imaging and graphics : the official journal of the Computerized Medical Imaging Society · 2025
- Ensemble Learning Approaches for Automatic Detection of Chronic Kidney Disease Stages during Sleep.Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference · 2024
- Ensemble learning guided survival prediction and chemotherapy benefit analysis in high-grade chondrosarcoma: A study based on the surveillance, epidemiology, and end results (SEER) database.Journal of orthopaedic surgery (Hong Kong) · 2025
- Ensemble learning approach for detecting breast invasive ductal carcinoma from histopathological images.Pathology, research and practice · 2025
via PubMed
Article · 日本語
アンサンブル・ラーニングはアンサンブル・メソッドを用いた機械学習である。統計や機械学習で使われるアンサンブル・メソッドでは、さまざまな学習アルゴリズムの有限集合を使用することで、単一の学習アルゴリズムよりも優れた結果を得る 。一連のアルゴリズムの計算は、単一のアルゴリズムの計算よりも時間がかかるが、より浅い計算深度で、ほぼ同等の良好な結果を得ることができる。 アンサンブル・ラーニングの重要な応用領域は、決定木である。大きな決定木は、ルートからリーフまで多くの決定ノードがあり、それらすべてが不確実性の下でトラバースされるため、エラー率と分散が大きくなる傾向がある。たとえば、バギングは多くの小さな決定木を計算し、それらの結果の平均を使用する。これにより、分散（したがってエラー率）が大幅に減少する。
Abstract from DBpedia / Wikipedia · CC BY-SA