ग्रेडिएंट बूस्टिंग
ग्रेडिएंट बूस्टिंग एक एन्सेम्बल लर्निंग विधि है, जिसे जेरोम एच. फ्रीडमैन ने 2001 में औपचारिक रूप दिया था, जो कमजोर लर्नर्स — आमतौर पर उथले निर्णय वृक्षों — के एक अनुक्रम को जोड़ती है, ताकि प्रत्येक नया वृक्ष अपने से पहले के वृक्षों की अवशिष्ट त्रुटियों को कम करने के लिए फिट हो। यह XGBoost, LightGBM और CatBoost जैसे लोकप्रिय कार्यान्वयनों के पीछे का मुख्य एल्गोरिथम 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.
+38 more
स्रोत
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). Gradient Boosting Machine (Friedman's Gradient Boosting). ScholarGate. https://scholargate.app/hi/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.
- निर्णय वृक्षमशीन अधिगम↔ compare
- लाइटजीबीएममशीन अधिगम↔ compare
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare