Ансамблово усилване на градиента (Ensemble Gradient Boosting)
Градиентното усилване (Gradient Boosting) е ансамблов метод, представен от Джером Фридман през 2001 г., който изгражда силен предсказващ модел чрез последователно добавяне на плитки дървета на решенията, като всяко от тях коригира грешките на предишния ансамбъл. Чрез формулиране на проблема като градиентно спускане във функционално пространство, той постига най-съвременна точност при задачи за класификация, регресия и ранжиране върху таблични данни.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
- Friedman, J. H. (2002). Stochastic gradient boosting. Computational Statistics and Data Analysis, 38(4), 367–378. DOI: 10.1016/S0167-9473(01)00065-2 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/bg/machine-learning/ensemble-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.
- AdaBoostМашинно обучение↔ compare
- CatBoostМашинно обучение↔ compare
- Дърво на решениятаМашинно обучение↔ compare
- LightGBMМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →