Robustné zosilňovanie
Robustné zosilňovanie modifikuje štandardné zosilňovacie algoritmy — ako AdaBoost alebo gradient boosting — nahradením predvolených exponenciálnych alebo kvadratických strát robustnými stratovými funkciami (napr. Huberove, logistické alebo orezané straty) alebo začlenením mechanizmov odolných voči šumu, aby súbor zostal presný aj vtedy, keď tréningové dáta obsahujú odľahlé hodnoty, šum v označeniach alebo chyby s ťažkými chvostmi.
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
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Boosting (Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/sk/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.
- BoostingStrojové učenie↔ compare
- Gradient BoostingStrojové učenie↔ compare
- Regulované zosilňovanieStrojové učenie↔ compare
- Robustný Gradient BoostingStrojové učenie↔ compare
- Robust Random ForestStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →