Ensemble Gradient Boosting
Gradient Boosting je ansámblová metóda predstavená Jeromeom Friedmanom v roku 2001, ktorá buduje silný prediktívny model postupným pridávaním plytkých rozhodovacích stromov, pričom každý z nich opravuje chyby predchádzajúceho ansámblu. Rámcovaním problému ako gradientného zostupu v priestore funkcií dosahuje špičkovú presnosť pri klasifikačných, regresných a rankingových úlohách na tabuľkových dátach.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/sk/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.
- AdaBoostStrojové učenie↔ compare
- CatBoostStrojové učenie↔ compare
- Rozhodovací stromStrojové učenie↔ compare
- LightGBMStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →