नियमितीकृत ग्रेडिएंट बूस्टिंग
नियमितीकृत ग्रेडिएंट बूस्टिंग क्लासिक एडिटिव ट्री एनसेंबल (फ्राइडमैन 2001) को प्रशिक्षण उद्देश्य में सीधे L1 और L2 दंड शब्दों को एम्बेड करके विस्तारित करता है, साथ ही पेड़ के आकार पर एक जटिलता दंड भी। XGBoost (चेन और गेस्ट्रिन 2016) द्वारा लोकप्रिय, यह ढांचा बिना दंडित बूस्टिंग की तुलना में ओवरफिटिंग को कम करता है और सामान्यीकरण में सुधार करता है, जबकि सारणीबद्ध डेटा पर विधि की विशिष्ट सटीकता को बनाए रखता 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.
+2 more
स्रोत
- 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 ↗
- 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 3). Regularized Gradient Boosting (L1/L2-Penalized Additive Tree Ensemble). ScholarGate. https://scholargate.app/hi/machine-learning/regularized-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.
- बूस्टिंगमशीन अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- लाइटजीबीएममशीन अधिगम↔ compare
- नियमितीकृत निर्णय वृक्षमशीन अधिगम↔ compare
- नियमितीकृत यादृच्छिक वनमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare