Robustais gradientu pastiprinājums
Robustais gradientu pastiprinājums ir gradientu pastiprinājums, kas apmācīts ar izgriezumu izturīgiem zudumu funkcijām — visbiežāk Hubera zudumu vai kvantiļu (svērteņu) zudumu — nevis kvadrātiskās kļūdas zudumu. Šis variants, kas tika piedāvāts Frīdmena (Friedman) 2001. gada nozīmīgajā rakstā, rada prognozes, kas ir daudz mazāk izkropļotas ar ekstrēmām vērtībām vai piesārņotām etiķetēm, vienlaikus saglabājot pilnu gradientu pastiprināto koku prognozēšanas spēju.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/lv/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.
- PastiprināšanaMašīnmācīšanās↔ compare
- Gradient BoostingMašīnmācīšanās↔ compare
- Random ForestMašīnmācīšanās↔ compare
- Regularizēta gradientu pastiprināšanaMašīnmācīšanās↔ compare
- Robustā lineārā regresijaMašīnmācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →