Gradient Boosting de Ansamblu
Gradient Boosting este o metodă de ansamblu introdusă de Jerome Friedman în 2001, care construiește un model predictiv puternic prin adăugarea secvențială de arbori de decizie superficiali, fiecare corectând erorile ansamblului anterior. Prin încadrarea problemei ca gradient descent în spațiul funcțiilor, atinge o acuratețe de ultimă generație pe sarcini de clasificare, regresie și clasificare (ranking) pe date tabulare.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
- Friedman, J. H. (2002). Stochastic gradient boosting. Computational Statistics and Data Analysis, 38(4), 367–378. DOI: 10.1016/S0167-9473(01)00065-2 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/ro/machine-learning/ensemble-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.
- AdaBoostÎnvățare automată↔ compare
- CatBoostÎnvățare automată↔ compare
- Arbore de decizieÎnvățare automată↔ compare
- LightGBMÎnvățare automată↔ compare
- Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
- XGBoostÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →