Potenciación del Gradiente en Conjunto (Ensemble Gradient Boosting)
La potenciación del gradiente (Gradient Boosting) es un método de conjunto (ensemble method) introducido por Jerome Friedman en 2001 que construye un modelo predictivo robusto añadiendo secuencialmente árboles de decisión poco profundos, cada uno corrigiendo los errores del conjunto anterior. Al enmarcar el problema como un descenso de gradiente en el espacio de funciones, logra una precisión de vanguardia en tareas de clasificación, regresión y ranking con datos tabulares.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/es/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.
- AdaBoostAprendizaje automático↔ compare
- CatBoostAprendizaje automático↔ compare
- Árbol de DecisiónAprendizaje automático↔ compare
- LightGBMAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- XGBoostAprendizaje automático↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →