Устойчиво градиентно усилване
Устойчивото градиентно усилване е градиентно усилване, обучено с устойчиви на екстремни стойности функции на загуба — най-често загуба на Хюбер или квантилна (pinball) загуба — вместо загуба на квадратична грешка. Предложен в основополагащата статия на Фридман от 2001 г., този вариант произвежда прогнози, много по-малко изкривени от екстремни стойности или замърсени етикети, като същевременно запазва пълната прогнозна сила на дърветата, усилени с градиент.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Източници
- 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 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/bg/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.
- БустингМашинно обучение↔ compare
- Градиентен бустингМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- Регуляризирано градиентно усилванеМашинно обучение↔ compare
- Robust Linear RegressionМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →