Robust Gradient Boosting
Robust Gradient Boosting er gradient boosting trent med utligger-resistente tapsfunksjoner — oftest Huber-tapet eller kvantil- (pinball-) tapet — i stedet for kvadrert-feiltap. Foreslått i Friedmans banebrytende artikkel fra 2001, produserer denne varianten prediksjoner som er langt mindre forvrengt av ekstreme verdier eller kontaminerte etiketter, samtidig som den beholder den fulle prediktive kraften til gradient-boostede trær.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/no/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.
- BoostingMaskinlæring↔ compare
- Gradient BoostingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Regulert gradient-boostingMaskinlæring↔ compare
- Robust lineær regresjonMaskinlæring↔ compare
- XGBoostMaskinlæring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →