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.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
+38 more
Burimet
- 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.
- Pemët e vendimmarrjesMësimi i makinës↔ compare
- LightGBMMësimi i makinës↔ compare
- Regresioni logjistikStatistika e hulumtimit↔ compare
- Pylli i RastësishëmMësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →