শক্তিশালী লাইটজিবিএম
শক্তিশালী লাইটজিবিএম হল একটি গ্রেডিয়েন্ট বুস্টিং ফ্রেমওয়ার্ক যা মাইক্রোসফটের অত্যন্ত কার্যকর লাইটজিবিএম ইঞ্জিনকে আউটলায়ার-প্রতিরোধী লস ফাংশনের সাথে যুক্ত করে — সবচেয়ে বেশি ব্যবহৃত হয় হুবার, কোয়ান্টাইল, বা গড় পরম ত্রুটি — যাতে ভবিষ্যদ্বাণীগুলি চরম বা ত্রুটিপূর্ণ পর্যবেক্ষণ দ্বারা অযৌক্তিকভাবে বিকৃত না হয়। এটি লাইটজিবিএম-এর গতি এবং লিফ-ভিত্তিক ট্রি গ্রোথ বজায় রাখে, একই সাথে টার্গেট ভেরিয়েবলে হেভি-টেইলড নয়েজের বিরুদ্ধে প্রতিরোধ ক্ষমতা প্রদান 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
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. The Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Robust LightGBM (Light Gradient Boosting Machine with Robust Loss Functions). ScholarGate. https://scholargate.app/bn/machine-learning/robust-lightgbm
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.
- CatBoostযন্ত্র শিখন↔ compare
- গ্রেডিয়েন্ট বুস্টিংযন্ত্র শিখন↔ compare
- হুবার রিগ্রেশনপরিসংখ্যান↔ compare
- লাইটজিবিএমযন্ত্র শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →