Boosting Robust (Robust Boosting)
Boosting Robust modifică algoritmii standard de boosting — precum AdaBoost sau gradient boosting — prin înlocuirea funcției de pierdere exponențială sau pătratică implicite cu funcții de pierdere robuste (de exemplu, pierderi Huber, logistice sau trunchiate) sau prin încorporarea mecanismelor de toleranță la zgomot, astfel încât ansamblul să rămână precis chiar și atunci când datele de antrenament conțin valori aberante, zgomot în etichete sau erori cu distribuție aplatizată.
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
- Freund, Y. (2001). An adaptive version of the boost by majority algorithm. Machine Learning, 43(3), 293–318. DOI: 10.1023/A:1010852229904 ↗
- Mason, L., Baxter, J., Bartlett, P., & Frean, M. (2000). Boosting Algorithms as Gradient Descent. Advances in Neural Information Processing Systems (NIPS), 12, 512–518. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Robust Boosting (Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/ro/machine-learning/robust-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.
- BoostingÎnvățare automată↔ compare
- Gradient BoostingÎnvățare automată↔ compare
- Boosting RegularizatÎnvățare automată↔ compare
- Gradient Boosting RobustÎnvățare automată↔ compare
- Robust Random ForestÎnvățare automată↔ compare
- XGBoostÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →