Machine learning

그래디언트 부스팅

그래디언트 부스팅(Gradient Boosting)은 2001년 Jerome H. Friedman이 정형화한 앙상블 학습 방법으로, 일련의 약한 학습기 — 일반적으로 얕은 결정 트리 — 를 결합하여 각 새로운 트리가 이전 트리들의 잔차 오차를 최소화하도록 적합(fit)시킨다. 이는 XGBoost, LightGBM, CatBoost와 같은 인기 있는 구현의 핵심 알고리즘이다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

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

그래디언트 부스팅

결정 트리 LightGBM 로지스틱 회귀 랜덤 포레스트 XGBoost Active Learning Gradient…능동 학습 LightGBM 배깅 (Bootstrap Aggregatin…베이지안 부스팅 Bayesian LightGBM

+38 more

출처

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

이 페이지 인용 방법

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

Compare side by side →

이 방법을 참조하는 항목

Active Learning Gradient Boosting 능동 학습 LightGBM 배깅 (Bootstrap Aggregating)베이지안 부스팅 Bayesian LightGBM 베이지안 XGBoost 부스팅 부스팅 앙상블 시계열 예측을 위한 Conformal Prediction 설명 가능한 엑스트라 트리 설명 가능한 그래디언트 부스팅 설명 가능한 LightGBM Explainable Random Forest 설명 가능한 스태킹 앙상블 설명 가능한 XGBoost 엑스트라 트리 (Extra Trees)선형 회귀 (ML)다변량 적응 회귀 스플라인 (Multivariate Adaptive Regression Splines, MARS)온라인 배깅 온라인 부스팅 온라인 그래디언트 부스팅 온라인 LightGBM 정규화 부스팅 Regularized CatBoost 정규화된 경사 부스팅 정규화된 LightGBM 로버스트 부스팅(Robust Boosting)Robust Gradient Boosting Robust LightGBM 로버스트 랜덤 포레스트 로버스트 스태킹 앙상블 Robust XGBoost 자가 지도 결정 트리 자기 지도 학습 기반 그래디언트 부스팅 자가 지도 학습 LightGBM 준지도 학습 배깅 준지도 학습 부스팅 준지도형 CatBoost 준지도 학습 결정 트리 준지도 학습 그래디언트 부스팅 준지도학습 랜덤 포레스트 준지도 학습 스태킹 앙상블 준지도 학습 XGBoost XGBoost

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →

방법 전문 읽기

Method map

출처

이 페이지 인용 방법

관련 방법

Which method?

이 방법을 참조하는 항목