Machine learning

Gradient Boosting

A Gradient Boosting egy Jerome H. Friedman által 2001-ben formalizált együttes tanulási (ensemble learning) módszer, amely gyenge tanulók – jellemzően sekély döntési fák – sorozatát kombinálja oly módon, hogy minden új fát az előző fák maradék hibáinak minimalizálására illesztenek. Ez az alapalgoritmusa az olyan népszerű implementációknak, mint az XGBoost, a LightGBM és a CatBoost.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Gradient Boosting

Döntési fa LightGBM Logistic Regression Véletlen erdő XGBoost Aktív Tanulás Gradient B…Active Learning LightGBM Bagging (Bootstrap Aggre…Bayesian Boosting Bayes-féle LightGBM

+38 more

Források

Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 1). Gradient Boosting Machine (Friedman's Gradient Boosting). ScholarGate. https://scholargate.app/hu/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.

Döntési faGépi tanulás↔ compare
LightGBMGépi tanulás↔ compare
Logistic RegressionKutatási statisztika↔ compare
Véletlen erdőGépi tanulás↔ compare
XGBoostGépi tanulás↔ compare

Compare side by side →

Hivatkozik rá

Aktív Tanulás Gradient Boosting Active Learning LightGBM Bagging (Bootstrap Aggregating)Bayesian Boosting Bayes-féle LightGBM Bayesian XGBoost Boosting Boosting Ensemble Konform előrejelzés idősorok előrejelzéséhez Magyarázható Extra fák Magyarázható gradiens boosting Magyarázható LightGBM Magyarázható Random Forest Magyarázható Stacking Ensemble Magyarázható XGBoost Extra Trees Lineáris Regresszió (ML)Multivariate Adaptive Regression Splines (MARS)Online Bagging Online Boosting Online Gradient Boosting Online LightGBM Regularizált Boosting Regularizált CatBoost Regularizált Gradient Boosting Regularizált LightGBM Robusztus Boosting Robuszt Gradient Boosting Robusztus LightGBM Robust Random Forest Robust Stacking Ensemble Robuszt XGBoost Önszupervizált döntési fa Önfelügyelt gradiens növelés Önszupervizált LightGBM Félfelügyelt Bagging Félfelügyelt Boosting Félfelügyelt CatBoost Félfelügyelt döntési fa Félfelügyelt Gradient Boosting Félfelügyelt Random Forest Félfelügyelt Stacking Ensemble Félfelügyelt XGBoost XGBoost

Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →

A teljes módszer elolvasása

Method map

Források

Hogyan hivatkozzon erre az oldalra

Kapcsolódó módszerek

Which method?

Hivatkozik rá