Gradient Boosting
Gradient Boosting on ensemble õppemeetod, mille formaliseeris Jerome H. Friedman 2001. aastal ja mis kombineerib nõrkade õppijate – tavaliselt madalate otsustuspuude – järjestust nii, et iga uus puu sobitatakse eelnevate puude jääkvigade minimeerimiseks. See on populaarsete implementatsioonide nagu XGBoost, LightGBM ja CatBoost peamine algoritm.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+38 more
Allikad
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). Gradient Boosting Machine (Friedman's Gradient Boosting). ScholarGate. https://scholargate.app/et/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.
- OtsustuspuuMasinõpe↔ compare
- LightGBMMasinõpe↔ compare
- Logistiline regressioonUurimisstatistika↔ compare
- Juhuslik metsMasinõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →