Machine learning

Peningkatan Gradien

Peningkatan Gradien adalah metode pembelajaran ensemble, yang diformalkan oleh Jerome H. Friedman pada tahun 2001, yang menggabungkan urutan pembelajar lemah — biasanya pohon keputusan dangkal — sedemikian rupa sehingga setiap pohon baru disesuaikan untuk meminimalkan kesalahan residual dari pohon-pohon sebelumnya. Ini adalah algoritma inti di balik implementasi populer seperti XGBoost, LightGBM, dan CatBoost.

Buka di MethodMindSegeraVideoSegeraDownload slides

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Method map

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

Peningkatan Gradien

Pohon Keputusan LightGBM Regresi Logistik Random Forest XGBoost Gradient Boosting Pembel…Pembelajaran Aktif Light…Bagging (Bootstrap Aggre…Peningkatkan Bayesian Bayesian LightGBM

+38 more

Sumber

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

Cara menyitasi halaman ini

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

Pohon KeputusanPembelajaran Mesin↔ compare
LightGBMPembelajaran Mesin↔ compare
Regresi LogistikStatistika Penelitian↔ compare
Random ForestPembelajaran Mesin↔ compare
XGBoostPembelajaran Mesin↔ compare

Compare side by side →

Dirujuk oleh

Gradient Boosting Pembelajaran Aktif Pembelajaran Aktif LightGBM Bagging (Bootstrap Aggregating)Peningkatkan Bayesian Bayesian LightGBM XGBoost Bayesian Boosting Ensemble Boosting Prediksi Konformasi untuk Peramalan Deret Waktu Extra Trees yang Dapat Dijelaskan Peningkatkan Gradien yang Dapat Dijelaskan LightGBM yang Dapat Dijelaskan Random Forest yang Dapat Dijelaskan Ensemble Tumpukan yang Dapat Dijelaskan XGBoost yang Dapat Dijelaskan Pohon Ekstra Regresi Linier (ML)Multivariate Adaptive Regression Splines (MARS)Bagging Daring Peningkatan Daring Peningkat Gradien Daring LightGBM Daring Boosting Teregularisasi Regularized CatBoost Peningkatkan Gradien Teregulasi LightGBM Regularisasi Robust Boosting Gradient Boosting Robust Robust LightGBM Hutan Acak Robust Robust Stacking Ensemble XGBoost Robust Pohon Keputusan Mandiri (Self-supervised Decision Tree)Gradient Boosting Mandiri LightGBM Mandiri Semi-supervised Bagging Boosting Semi-terawasi CatBoost Semi-Terawasi Pohon Keputusan Semi-Terawasi Peningkatan Gradien Semi-Terawasi Semi-supervised Random Forest Semi-supervised Stacking Ensemble XGBoost Semi-Terawasi XGBoost

Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →

Baca metode selengkapnya

Method map

Sumber

Cara menyitasi halaman ini

Metode terkait

Which method?

Dirujuk oleh