Machine learning

Gradient Boosting

Il Gradient Boosting è un metodo di apprendimento d'insieme, formalizzato da Jerome H. Friedman nel 2001, che combina una sequenza di apprendisti deboli — tipicamente alberi decisionali poco profondi — in modo che ogni nuovo albero sia adattato per minimizzare gli errori residui degli alberi precedenti. È l'algoritmo centrale alla base di implementazioni popolari come XGBoost, LightGBM e CatBoost.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

Gradient Boosting

Albero decisionale LightGBM Regressione Logistica Random Forest XGBoost Gradient Boosting con Ap…[UNTRANSLATED: Active Le…Bagging (Bootstrap Aggre…Boosting Bayesiano LightGBM Bayesiano

+38 more

Fonti

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

Come citare questa pagina

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

Albero decisionaleApprendimento automatico↔ compare
LightGBMApprendimento automatico↔ compare
Regressione LogisticaStatistica per la ricerca↔ compare
Random ForestApprendimento automatico↔ compare
XGBoostApprendimento automatico↔ compare

Compare side by side →

Citato da

Gradient Boosting con Apprendimento Attivo [UNTRANSLATED: Active Learning LightGBM]Bagging (Bootstrap Aggregating)Boosting Bayesiano LightGBM Bayesiano Bayesian XGBoost Boosting Boosting Ensemble Predizione conforme per previsioni di serie temporali Extra Trees Spiegabili Gradient Boosting Spiegabile LightGBM Spiegabile Foresta Casuale Spiegabile Stacking Spiegabile XGBoost Spiegabile Alberi Extra Regressione Lineare (ML)Spline di Regressione Adattive Multivariata (MARS)Bagging Online Boosting Online Gradient Boosting Online LightGBM Online Boosting Regolarizzato CatBoost Regolarizzato Gradient Boosting Regolarizzato LightGBM Regularizzato Robust Boosting Gradient Boosting Robusto LightGBM Robusto Random Forest Robusto Ensemble Robusto a Impilamento XGBoost Robusto Albero decisionale auto-supervisionato Gradient Boosting Auto-supervisionato LightGBM Auto-supervisionato Bagging Semi-Supervisionato Boosting Semi-Supervisionato CatBoost Semi-Supervised Albero decisionale semi-supervisionato Gradient Boosting Semi-supervisionato Random Forest Semi-Supervisionato Semi-supervised Stacking Ensemble XGBoost semi-supervisionato XGBoost

Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →

Leggi il metodo completo

Method map

Fonti

Come citare questa pagina

Metodi correlati

Which method?

Citato da