এনসেম্বল গ্রেডিয়েন্ট বুস্টিং
গ্রেডিয়েন্ট বুস্টিং হলো একটি এনসেম্বল পদ্ধতি যা জেরোম ফ্রিডম্যান ২০০১ সালে প্রবর্তন করেন। এটি ক্রমান্বয়ে অগভীর ডিসিশন ট্রি যুক্ত করে একটি শক্তিশালী ভবিষ্যদ্বাণীমূলক মডেল তৈরি করে, যেখানে প্রতিটি ট্রি পূর্ববর্তী এনসেম্বলের ত্রুটি সংশোধন করে। ফাংশন স্পেসে গ্রেডিয়েন্ট ডিসেন্ট সমস্যাটিকে ফ্রেমবন্দী করার মাধ্যমে, এটি সারণী ডেটার উপর ক্লাসিফিকেশন, রিগ্রেশন এবং র্যাংকিংয়ের কাজে অত্যাধুনিক নির্ভুলতা অর্জন করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/bn/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.
- অ্যাডাবুস্টযন্ত্র শিখন↔ compare
- CatBoostযন্ত্র শিখন↔ compare
- সিদ্ধান্ত বৃক্ষযন্ত্র শিখন↔ compare
- লাইটজিবিএমযন্ত্র শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →