नियमितीकृत बूस्टिंग (Regularized Boosting)
नियमितीकृत बूस्टिंग ग्रेडिएंट बूस्टिंग का विस्तार करता है जिसमें स्पष्ट नियंत्रण शामिल होते हैं — संकोचन (सीखने की दर), L1/L2 भार दंड, उप-नमूनाकरण, और वृक्ष-जटिलता सीमाएँ — उद्देश्य फलन (objective function) और अद्यतन नियम (update rule) में। ये बाधाएँ ओवरफिटिंग को कम करती हैं, शोरगुल वाले या छोटे डेटासेट पर मॉडल को स्थिर करती हैं, और यही मुख्य कारण है कि XGBoost और LightGBM जैसे सिस्टम वास्तविक दुनिया के सारणीबद्ध बेंचमार्क पर सामान्य बूस्टिंग से लगातार बेहतर प्रदर्शन करते हैं।
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 ↗
- Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Regularized Gradient Boosting (Shrinkage and Penalized Objective Boosting). ScholarGate. https://scholargate.app/hi/machine-learning/regularized-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.
- बूस्टिंगमशीन अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- नियमितीकृत ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- नियमितीकृत यादृच्छिक वनमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare