নিয়ন্ত্রিত বুস্টিং
নিয়ন্ত্রিত বুস্টিং গ্রেডিয়েন্ট বুস্টিংকে প্রসারিত করে, উদ্দেশ্য ফাংশন এবং আপডেট নিয়মে সুস্পষ্ট নিয়ন্ত্রণ যোগ করে — যেমন সংকোচন (লার্নিং রেট), L1/L2 ওয়েট পেনাল্টি, সাবস্যাম্পলিং এবং ট্রি-কমপ্লেক্সিটি সীমা। এই সীমাবদ্ধতাগুলি ওভারফিটিং কমায়, নয়েজি বা ছোট ডেটাসেটে মডেলকে স্থিতিশীল করে এবং XGBoost ও LightGBM-এর মতো সিস্টেমগুলি বাস্তব-জগতের সারণীগত বেঞ্চমার্কে সাধারণ বুস্টিংকে ধারাবাহিকভাবে ছাড়িয়ে যাওয়ার মূল কারণ।
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 ↗
- Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Regularized Gradient Boosting (Shrinkage and Penalized Objective Boosting). ScholarGate. https://scholargate.app/bn/machine-learning/regularized-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.
- বুস্টিংযন্ত্র শিখন↔ compare
- গ্রেডিয়েন্ট বুস্টিংযন্ত্র শিখন↔ compare
- নিয়ন্ত্রিত গ্রেডিয়েন্ট বুস্টিংযন্ত্র শিখন↔ compare
- রেগুলারাইজড র্যান্ডম ফরেস্টযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →