Nhóm có trọng lượng

Tập hợp có trọng số, còn được gọi là rừng ngẫu nhiên có trọng số, là một loại kỹ thuật học máy được sử dụng trong lập trình máy tính và an ninh mạng. Đây là một kỹ thuật học tập tổng hợp kết hợp nhiều mô hình cây quyết định hoặc phân loại riêng lẻ để tăng độ chính xác của dự đoán.

Tập hợp có trọng số là một kiểu học tập tập hợp kết hợp nhiều mô hình riêng lẻ, thường là cây quyết định hoặc bộ phân loại. Mỗi mô hình riêng lẻ này thường được đào tạo trên cùng một dữ liệu với các siêu tham số khác nhau để tạo ra các cây quyết định hoặc phân loại khác nhau. Sau đó, các mô hình riêng lẻ được kết hợp thông qua phương pháp tính trung bình có trọng số, trong đó dự đoán của mỗi mô hình được đưa ra một trọng số khác nhau. Trung bình có trọng số này sau đó trở thành dự đoán cuối cùng của mô hình tập hợp.

Tổ hợp có trọng số thường cung cấp độ chính xác cao hơn so với các mô hình đơn lẻ và có thể đặc biệt hữu ích khi các mô hình riêng lẻ có điểm mạnh và điểm yếu khác nhau. Cách tiếp cận này đã được sử dụng trong nhiều nhiệm vụ khác nhau, chẳng hạn như nhận dạng hình ảnh, xử lý ngôn ngữ tự nhiên, phân loại văn bản và phát hiện gian lận.

Các tập hợp có trọng số cũng mạnh mẽ hơn đối với các giá trị ngoại lệ và quá khớp, vì các mô hình riêng lẻ có xu hướng làm trung gian cho các dự đoán của nhau. Hơn nữa, các mô hình riêng lẻ có thể được đào tạo lại định kỳ hoặc theo yêu cầu để cải thiện độ chính xác.

Mặc dù các kỹ thuật tập hợp có trọng số đã được chứng minh là thành công trong nhiều lĩnh vực ứng dụng nhưng vẫn có một số hạn chế. Đầu tiên, các trọng số khác nhau được gán cho từng mô hình riêng lẻ đòi hỏi phải điều chỉnh thủ công, điều này có thể tốn kém về mặt tính toán. Thứ hai, việc lựa chọn thuật toán học được sử dụng cho từng mô hình riêng lẻ có thể có tác động đáng kể đến hiệu suất của mô hình tập hợp. Cuối cùng, mô hình tập hợp có thể khó diễn giải do nó chứa nhiều thành phần.