Robustný Gradient Boosting
Robustný Gradient Boosting je gradientový boosting trénovaný s regresnými funkciami odolnými voči odľahlým hodnotám – najčastejšie Huberovou stratou alebo kvantilovou (pinball) stratou – namiesto straty kvadratickej chyby. Tento variant, navrhnutý v prelomovom článku Friedmana z roku 2001, produkuje predikcie, ktoré sú oveľa menej skreslené extrémami alebo kontaminovanými štítkami, pričom si zachováva plnú prediktívnu silu stromov zosilnených gradientom.
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.
+2 more
Zdroje
- 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 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/sk/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.
- BoostingStrojové učenie↔ compare
- Gradient BoostingStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- Regularizované zosilňovanie gradientuStrojové učenie↔ compare
- Robustná lineárna regresiaStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →