Peningkatkan Gradien Ensemble
Gradient Boosting adalah metode ensemble yang diperkenalkan oleh Jerome Friedman pada tahun 2001 yang membangun model prediktif yang kuat dengan secara berurutan menambahkan pohon keputusan dangkal, masing-masing mengoreksi kesalahan dari ensemble sebelumnya. Dengan membingkai masalah sebagai penurunan gradien dalam ruang fungsi, ia mencapai akurasi mutakhir pada tugas klasifikasi, regresi, dan peringkat di seluruh data tabular.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/id/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.
- AdaBoostPembelajaran Mesin↔ compare
- CatBoostPembelajaran Mesin↔ compare
- Pohon KeputusanPembelajaran Mesin↔ compare
- LightGBMPembelajaran Mesin↔ compare
- Random ForestPembelajaran Mesin↔ compare
- XGBoostPembelajaran Mesin↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →