Machine learningMachine learning
شرح تعزيز التدرج (Explainable Gradient Boosting)
يجمع شرح تعزيز التدرج بين القدرة التنبؤية لمجموعات تعزيز التدرج وأدوات التفسير المنظمة - وبشكل أساسي SHAP (تفسيرات المجموع الإضافي لشابلي) - لإنتاج نماذج دقيقة للغاية وقابلة للتدقيق بشفافية. يحصل الممارسون على تصنيفات الميزات العامة وتفسيرات على مستوى الأفراد جنبًا إلى جنب مع مقاييس الأداء القياسية.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Lundberg, S. M., Erion, G., Chen, H., DeGrave, A., Prutkin, J. M., Nair, B., Katz, R., Himmelfarb, J., Bansal, N., & Lee, S.-I. (2020). From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence, 2, 56–67. DOI: 10.1038/s42256-019-0138-9 ↗
- Molnar, C. (2022). Interpretable Machine Learning: A Guide for Making Black Box Models Explainable (2nd ed.). christophm.github.io/interpretable-ml-book/ link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Explainable Gradient Boosting (Gradient Boosting with Post-hoc and Intrinsic Interpretability). ScholarGate. https://scholargate.app/ar/machine-learning/explainable-gradient-boosting
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- شجرة القرار القابلة للتفسيرتعلم الآلة↔ compare
- الغابة العشوائية القابلة للتفسيرتعلم الآلة↔ compare
- إكس جي بي أو أو إس تي القابل للتفسيرتعلم الآلة↔ compare
- تعزيز التدرجتعلم الآلة↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare