ScholarGate
Asistenti
Machine learning

Përmbledhja me Gradient (Gradient Boosting)

Përmbledhja me Gradient është një metodë mësimi përmbledhës, e formalizuar nga Jerome H. Friedman në vitin 2001, e cila kombinon një sekuencë mësimtarësh të dobët – zakonisht pemë vendimmarrëse të cekëta – në mënyrë që çdo pemë e re të përshtatet për të minimizuar gabimet reziduale të pemëve para saj. Është algoritmi kryesor pas implementimeve popullore si XGBoost, LightGBM dhe CatBoost.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

The neighbourhood of related methods — select a node to explore.

+38 more

Burimet

  1. Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451

Si ta citoni këtë faqe

ScholarGate. (2026, June 1). Gradient Boosting Machine (Friedman's Gradient Boosting). ScholarGate. https://scholargate.app/sq/machine-learning/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.

Compare side by side

Cituar nga

ScholarGateGradient Boosting (Gradient Boosting Machine (Friedman's Gradient Boosting)). Marrë më 2026-06-15 nga https://scholargate.app/sq/machine-learning/gradient-boosting · Seti i të dhënave: https://doi.org/10.5281/zenodo.20539026