Machine learning

Gradient Boosting

Gradient Boosting je metoda souborového učení (ensemble learning), formalizovaná Jeromem H. Friedmanem v roce 2001, která kombinuje posloupnost slabých učících algoritmů — typicky mělkých rozhodovacích stromů — tak, že každý nový strom je natrénován k minimalizaci reziduálních chyb předchozích stromů. Jedná se o základní algoritmus populárních implementací, jako jsou XGBoost, LightGBM a CatBoost.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

The neighbourhood of related methods — select a node to explore.

Gradient Boosting

Rozhodovací strom LightGBM Logistická regrese Random Forest XGBoost Aktivní učení s gradient…Active Learning LightGBM Bagging (Bootstrap Aggre…Bayesovské posilování Bayesian LightGBM

+38 more

Zdroje

Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗

Jak citovat tuto stránku

ScholarGate. (2026, June 1). Gradient Boosting Machine (Friedman's Gradient Boosting). ScholarGate. https://scholargate.app/cs/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.

Rozhodovací stromStrojové učení↔ compare
LightGBMStrojové učení↔ compare
Logistická regreseStatistika ve výzkumu↔ compare
Random ForestStrojové učení↔ compare
XGBoostStrojové učení↔ compare

Compare side by side →

Odkazuje sem

Aktivní učení s gradientním posilováním Active Learning LightGBM Bagging (Bootstrap Aggregating)Bayesovské posilování Bayesian LightGBM Bayesovský XGBoost Zesilování Boosting (posilování) souboru modelů Konformní predikce pro časové řady Vysvětlitelné extrémní náhodné stromy Vysvětlitelný gradientní boosting Vysvětlitelný LightGBM Vysvětlitelný náhodný les Vysvětlitelný skládaný ansámbl Vysvětlitelný XGBoost Extra Trees Lineární regrese (ML)Mnohorozměrné adaptivní regresní spliny (MARS)Online Bagging Online Boosting Online Gradient Boosting Online LightGBM Regularized Boosting Regularizovaný CatBoost Regularizované gradientní posilování Regularized LightGBM Robust Boosting Robustní Gradient Boosting Robustní LightGBM Robustní náhodný les (Robust Random Forest)Robustní skládaný ansámbl Robustní XGBoost Samoučené rozhodovací stromy Samoučené vylepšování gradientním zesilováním Self-supervised LightGBM Semi-supervised Bagging Polosupervizované posilování (Semi-supervised Boosting)Semi-supervised CatBoost Polopřeváděný rozhodovací strom Polozavedené vylepšování gradientem Semi-supervised Random Forest Polo-supervizované skládání (Semi-supervised Stacking Ensemble)Semi-supervised XGBoost XGBoost

Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →

Přečíst celou metodu

Method map

Zdroje

Jak citovat tuto stránku

Příbuzné metody

Which method?

Odkazuje sem