تعزيز التدرج القوي
تعزيز التدرج القوي هو تعزيز التدرج المدرب باستخدام دوال خسارة مقاومة للقيم المتطرفة - وأكثرها شيوعًا خسارة هابر أو خسارة الكم (الدبوس) - بدلاً من خسارة الخطأ التربيعي. تم اقتراح هذا المتغير في ورقة فريدمان الرائدة عام 2001، وينتج تنبؤات أقل تشوهًا بكثير بسبب القيم المتطرفة أو التسميات الملوثة، مع الاحتفاظ بكامل القدرة التنبؤية لأشجار التدرج المعززة.
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
- Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/ar/machine-learning/robust-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
- الغابات العشوائيةتعلم الآلة↔ compare
- تعزيز التدرج المنتظمتعلم الآلة↔ compare
- الانحدار الخطي المتينتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare