मजबूत एक्सजीबूस्ट
मजबूत एक्सजीबूस्ट, एक्सजीबूस्ट के स्केलेबल ग्रेडिएंट बूस्टिंग फ्रेमवर्क को मजबूत लॉस फ़ंक्शन - मुख्य रूप से हबर लॉस या इसके वेरिएंट - के साथ जोड़ता है, ताकि एक ग्रेडिएंट बूस्टेड ट्री एनसेंबल तैयार किया जा सके जो आउटलायर्स के विकृत प्रभाव का प्रतिरोध करता है। वर्ग-त्रुटि उद्देश्य को एक ऐसे लॉस से बदलकर जो बड़े अवशिष्टों को कम महत्व देता है, मॉडल निरंतर लक्ष्यों पर विश्वसनीय भविष्यवाणियां प्रदान करता है, भले ही प्रशिक्षण डेटा में चरम मान या लेबल शोर हों।
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
- 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 ↗
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. The Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Robust XGBoost (Extreme Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/hi/machine-learning/robust-xgboost
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.
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- Robust Gradient Boostingमशीन अधिगम↔ compare
- Robust LightGBMमशीन अधिगम↔ compare
- मजबूत रैखिक प्रतिगमनमशीन अधिगम↔ compare
- Robust Random Forestमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare