Robuszt Gradient Boosting
A Robuszt Gradient Boosting a kiugró értékeket kevésbé érzékenyen kezelő veszteségfüggvényekkel – leggyakrabban a Huber-veszteséggel vagy kvantilis (pinball) veszteséggel – tanított gradient boosting, ahelyett, hogy a négyzetes hibát használná. A 2001-es, Friedman által jegyzett alapvető cikkben javasolt változat kevésbé torzult predikciókat produkál a szélsőséges értékek vagy szennyezett címkék miatt, miközben megőrzi a gradient-boosted fák teljes prediktív erejét.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+2 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 ↗
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/hu/machine-learning/robust-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.
- BoostingGépi tanulás↔ compare
- Gradient BoostingGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- Regularizált Gradient BoostingGépi tanulás↔ compare
- Robusztus lineáris regresszióGépi tanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →