গ্রেডিয়েন্ট বুস্টিং
গ্রেডিয়েন্ট বুস্টিং হলো একটি এনসেম্বল লার্নিং পদ্ধতি, যা জেরোম এইচ. ফ্রিডম্যান ২০০১ সালে আনুষ্ঠানিকভাবে প্রকাশ করেন। এটি দুর্বল লার্নারদের — সাধারণত অগভীর ডিসিশন ট্রি — একটি অনুক্রমের সমন্বয়ে গঠিত, যেখানে প্রতিটি নতুন ট্রি তার পূর্ববর্তী ট্রিগুলির অবশিষ্ট ত্রুটিগুলি হ্রাস করার জন্য ফিট করা হয়। এটি XGBoost, LightGBM এবং CatBoost-এর মতো জনপ্রিয় ইমপ্লিমেন্টেশনগুলির মূল অ্যালগরিদম।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+38 more
উৎস
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Gradient Boosting Machine (Friedman's Gradient Boosting). ScholarGate. https://scholargate.app/bn/machine-learning/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.
- সিদ্ধান্ত বৃক্ষযন্ত্র শিখন↔ compare
- লাইটজিবিএমযন্ত্র শিখন↔ compare
- লজিস্টিক রিগ্রেশনগবেষণা পরিসংখ্যান↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →