Ensemble Gradiens Erősítés
A Gradient Boosting egy Jerome Friedman által 2001-ben bevezetett ensemble módszer, amely egy erős prediktív modellt épít szekvenciálisan sekély döntési fák hozzáadásával, amelyek mindegyike az előző ensemble hibáit javítja. A problémát a függvénytérben történő gradienssüllyedésként keretezve, csúcsteljesítményű pontosságot ér el osztályozási, regressziós és rangsorolási feladatokban táblázatos adatokon.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/hu/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.
- AdaBoostGépi tanulás↔ compare
- CatBoostGépi tanulás↔ compare
- Döntési faGépi tanulás↔ compare
- LightGBMGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →