Përforcimi i Gradientit të Rregulluar
Përforcimi i gradientit të rregulluar shtrin ansamblin tradicional aditiv të pemëve (Friedman 2001) duke futur terma penalizues L1 dhe L2 drejtpërdrejt në objektivin e trajnimit, së bashku me një penalizim kompleksiteti për madhësinë e pemës. Popullarizuar nga XGBoost (Chen & Guestrin 2016), ky kornizë zvogëlon mbingarkimin dhe përmirëson përgjithësimin krahasuar me përforcimin pa penalizim, duke ruajtur saktësinë karakteristike të metodës në të dhëna tabelare.
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.
+2 more
Burimet
- Chen, T. & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- 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 3). Regularized Gradient Boosting (L1/L2-Penalized Additive Tree Ensemble). ScholarGate. https://scholargate.app/sq/machine-learning/regularized-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.
- BoostingMësimi i makinës↔ compare
- Përmbledhja me Gradient (Gradient Boosting)Mësimi i makinës↔ compare
- LightGBMMësimi i makinës↔ compare
- Pemë vendimmarrëse e rregulluarMësimi i makinës↔ compare
- Pyllë i Rregulluar i RastësishëmMësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →