Machine learningMachine learning
הסברתיות של חיזוק גרדיאנט (Explainable Gradient Boosting)
הסברתיות של חיזוק גרדיאנט משלבת את הכוח החיזוי של אנסמבלים של חיזוק גרדיאנט עם כלים מובנים של פרשנות — בעיקר SHAP (SHapley Additive exPlanations) — כדי להפיק מודלים שהם גם מדויקים ביותר וגם ניתנים לביקורת באופן שקוף. מתרגלים מקבלים דירוג תכונות גלובלי והסברים ברמת הפרט לצד מדדי ביצועים סטנדרטיים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Lundberg, S. M., Erion, G., Chen, H., DeGrave, A., Prutkin, J. M., Nair, B., Katz, R., Himmelfarb, J., Bansal, N., & Lee, S.-I. (2020). From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence, 2, 56–67. DOI: 10.1038/s42256-019-0138-9 ↗
- Molnar, C. (2022). Interpretable Machine Learning: A Guide for Making Black Box Models Explainable (2nd ed.). christophm.github.io/interpretable-ml-book/ link ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Explainable Gradient Boosting (Gradient Boosting with Post-hoc and Intrinsic Interpretability). ScholarGate. https://scholargate.app/he/machine-learning/explainable-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.
- עץ החלטה ניתן להסברלמידת מכונה↔ compare
- יער אקראי מוסבר (Explainable Random Forest - XRF)למידת מכונה↔ compare
- XGBoost ניתן להסברלמידת מכונה↔ compare
- גרדיאנט בוסטינגלמידת מכונה↔ compare
- יער אקראילמידת מכונה↔ compare
- XGBoostלמידת מכונה↔ compare