Machine learningMachine learning
Robust Gradient Boosting
Robust Gradient Boosting는 제곱 오차 손실 대신 이상치에 강한 손실 함수(가장 흔하게는 Huber 손실 또는 분위수(pinball) 손실)를 사용하여 훈련된 그래디언트 부스팅입니다. Friedman의 2001년 기념비적인 논문에서 제안된 이 변형은 극단값이나 오염된 레이블에 의해 예측이 왜곡되는 것을 훨씬 덜하게 만들면서도 그래디언트 부스팅 트리의 전체 예측력을 유지합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+2 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 ↗
- Huber, P. J. (1964). Robust Estimation of a Location Parameter. Annals of Mathematical Statistics, 35(1), 73–101. DOI: 10.1214/aoms/1177703732 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/ko/machine-learning/robust-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.
- 부스팅머신러닝↔ compare
- 그래디언트 부스팅머신러닝↔ compare
- 랜덤 포레스트머신러닝↔ compare
- 정규화된 경사 부스팅머신러닝↔ compare
- 강건 선형 회귀머신러닝↔ compare
- XGBoost머신러닝↔ compare