تعزيز التدرج المنتظم
يمد تعزيز التدرج المنتظم تجميع الأشجار الإضافي الكلاسيكي (Friedman 2001) عن طريق تضمين حدود عقوبة L1 و L2 مباشرة في هدف التدريب، بالإضافة إلى عقوبة تعقيد لحجم الشجرة. هذا الإطار، الذي شاع استخدامه بواسطة XGBoost (Chen & Guestrin 2016)، يقلل من الإفراط في التخصيص ويحسن التعميم مقارنة بالتعزيز غير المعاقب، مع الاحتفاظ بالدقة المميزة للطريقة على البيانات الجدولية.
اقرأ الطريقة كاملة
سجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
المصادر
- Chen, T. & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Regularized Gradient Boosting (L1/L2-Penalized Additive Tree Ensemble). ScholarGate. https://scholargate.app/ar/machine-learning/regularized-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.
- التعزيزتعلم الآلة↔ compare
- تعزيز التدرجتعلم الآلة↔ compare
- لايت جي بي إمتعلم الآلة↔ compare
- شجرة قرار منظمةتعلم الآلة↔ compare
- الغابة العشوائية المنتظمةتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare