Robust LightGBM
Robust LightGBM on gradient boosting raamistik, mis ühendab Microsofti väga tõhusa LightGBM mootori ja vastupidavad kahjumifunktsioonid (kõige sagedamini Huberi, kvantiili või keskmise absoluutvea funktsioonid), et prognoosid ei moonduks liigselt äärmuslike või vigaste vaatluste tõttu. See säilitab LightGBM kiiruse ja lehepõhise puude kasvu, pakkudes samal ajal vastupidavust sihtmuutuja raskete sabadega müra suhtes.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Robust LightGBM (Light Gradient Boosting Machine with Robust Loss Functions). ScholarGate. https://scholargate.app/et/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.
- CatBoostMasinõpe↔ compare
- Gradient BoostingMasinõpe↔ compare
- Huberi regressioonStatistika↔ compare
- LightGBMMasinõpe↔ compare
- Juhuslik metsMasinõpe↔ compare
- XGBoostMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →