Robusztus LightGBM
A Robusztus LightGBM egy gradiens-gyorsító keretrendszer, amely a Microsoft rendkívül hatékony LightGBM motorját ötvözi a kiugró értékeknek ellenálló veszteségfüggvényekkel – leggyakrabban a Huber-, kvantilis- vagy átlagos abszolút hibával –, így az előrejelzéseket nem torzítják el indokolatlanul a szélsőséges vagy hibás megfigyelések. Megőrzi a LightGBM sebességét és levél-alapú faépítését, miközben ellenállást biztosít a célváltozó vastagfarkú zajával szemben.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. The Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Robust LightGBM (Light Gradient Boosting Machine with Robust Loss Functions). ScholarGate. https://scholargate.app/hu/machine-learning/robust-lightgbm
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.
- CatBoostGépi tanulás↔ compare
- Gradient BoostingGépi tanulás↔ compare
- Huber-regresszióStatisztika↔ compare
- LightGBMGépi tanulás↔ compare
- Véletlen erdőGépi tanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →