एन्सेम्बल ग्रेडिएंट बूस्टिंग
ग्रेडिएंट बूस्टिंग एक एन्सेम्बल विधि है जिसे 2001 में जेरोम फ्रीडमैन द्वारा प्रस्तुत किया गया था, जो क्रमिक रूप से छोटे निर्णय वृक्षों (decision trees) को जोड़कर एक मजबूत भविष्य कहनेवाला मॉडल (predictive model) बनाता है, जिनमें से प्रत्येक पिछले एन्सेम्बल की त्रुटियों को ठीक करता है। समस्या को फलन समष्टि (function space) में ग्रेडिएंट डिसेंट (gradient descent) के रूप में तैयार करके, यह सारणीबद्ध डेटा (tabular data) पर वर्गीकरण (classification), प्रतिगमन (regression), और रैंकिंग (ranking) कार्यों पर अत्याधुनिक सटीकता प्राप्त करता है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/hi/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.
- AdaBoostमशीन अधिगम↔ compare
- CatBoostमशीन अधिगम↔ compare
- निर्णय वृक्षमशीन अधिगम↔ compare
- लाइटजीबीएममशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare