Mục lục:
Định nghĩa - Đóng bao có nghĩa là gì?
"Đóng gói" hoặc tổng hợp bootstrap là một loại quy trình học máy cụ thể sử dụng phương pháp học tập đồng bộ để phát triển các mô hình học máy. Được tiên phong vào những năm 1990, kỹ thuật này sử dụng các nhóm tập huấn cụ thể trong đó một số quan sát có thể được lặp lại giữa các tập huấn khác nhau.
Techopedia giải thích về đóng bao
Ý tưởng đóng bao đã được sử dụng rộng rãi trong học máy để tạo ra sự phù hợp tốt hơn cho các mô hình. Ý tưởng là nếu bạn có một số đơn vị máy học độc lập, chúng có thể hoạt động tốt hơn một đơn vị có nhiều tài nguyên hơn.
Để thực sự minh họa cách thức hoạt động của nó, hãy nghĩ về từng phần của quy trình đóng bao như một bộ não riêng lẻ. Không có túi, học máy sẽ bao gồm một bộ não thực sự thông minh làm việc với một vấn đề. Với việc đóng bao, quá trình này bao gồm nhiều "bộ não yếu" hoặc bộ não kém mạnh mẽ hơn đang hợp tác trong một dự án. Họ từng có miền suy nghĩ của họ, và một số miền đó chồng chéo lên nhau. Khi bạn đặt kết quả cuối cùng lại với nhau, nó sẽ tiến hóa hơn rất nhiều so với chỉ với một "bộ não".
Theo một nghĩa rất thực, triết lý của việc đóng bao có thể được mô tả bằng một tiên đề rất cũ có trước công nghệ trong một vài năm: "hai đầu tốt hơn một". Trong đóng bao, 10 hoặc 20 hoặc 50 đầu tốt hơn một đầu, vì các kết quả được lấy hoàn toàn và tổng hợp thành một kết quả tốt hơn. Đóng bao là một kỹ thuật có thể giúp các kỹ sư chống lại hiện tượng "quá mức" trong học máy khi hệ thống không phù hợp với dữ liệu hoặc mục đích.
