Sommario:
Definizione - Cosa significa insaccamento?
Il "bagging" o aggregazione bootstrap è un tipo specifico di processo di apprendimento automatico che utilizza l'apprendimento d'insieme per evolvere modelli di apprendimento automatico. Pioniera negli anni '90, questa tecnica utilizza gruppi specifici di set di allenamento in cui alcune osservazioni possono essere ripetute tra diversi set di allenamento.
Techopedia spiega l'insaccamento
L'idea del bagging è stata ampiamente utilizzata nell'apprendimento automatico per creare un adattamento migliore per i modelli. L'idea è che se prendi diverse unità di apprendimento automatico indipendenti, possono funzionare collettivamente meglio di un'unità che avrebbe più risorse.
Per illustrare davvero come funziona, pensa a ciascuna parte del processo di insaccamento come a un singolo cervello. Senza insaccamento, l'apprendimento automatico consisterebbe in un cervello davvero intelligente che lavora su un problema. Con l'insacco, il processo consiste in molti "cervelli deboli" o cervelli meno forti che collaborano a un progetto. Ognuno di essi ha il proprio dominio di pensiero e alcuni di questi domini si sovrappongono. Quando metti insieme il risultato finale, è molto più evoluto di quanto non sarebbe con un solo "cervello".
In un senso molto reale, la filosofia del bagging può essere descritta da un assioma molto antico che precede la tecnologia di parecchi anni: "due teste sono meglio di una". Nel insaccamento, 10 o 20 o 50 teste sono meglio di una, perché i risultati vengono presi del tutto e aggregati in un risultato migliore. Il bagging è una tecnica che può aiutare gli ingegneri a combattere il fenomeno del "sovradimensionamento" nell'apprendimento automatico in cui il sistema non si adatta ai dati o allo scopo.
