Gradient Boosting Robusto
Gradient Boosting Robusto é um método de gradient boosting treinado com funções de perda resistentes a outliers — mais comumente a perda de Huber ou a perda quantílica (pinball) — em vez da perda de erro quadrático. Proposta no artigo seminal de Friedman de 2001, esta variante produz previsões muito menos distorcidas por valores extremos ou rótulos contaminados, ao mesmo tempo que retém o poder preditivo total das árvores de gradient boosting.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/pt/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.
- BoostingAprendizado de máquina↔ compare
- Gradient BoostingAprendizado de máquina↔ compare
- Random ForestAprendizado de máquina↔ compare
- Gradient Boosting RegularizadoAprendizado de máquina↔ compare
- Regressão Linear RobustaAprendizado de máquina↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →