Nxitja Robuste
Nxitja Robuste modifikon algoritmet standarde të nxitjes — si AdaBoost ose nxitja e gradientit — duke zëvendësuar humbjen eksponenciale ose katrore të parazgjedhur me funksione humbjeje robuste (p.sh., humbjet Huber, logjistike ose të cunguara) ose duke përfshirë mekanizma të tolerancës ndaj zhurmës, në mënyrë që ansambli të mbetet i saktë edhe kur të dhënat e trajnimit përmbajnë vlera ekstreme, zhurmë etiketash ose gabime me bisht të rëndë.
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.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Robust Boosting (Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/sq/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.
- BoostingMësimi i makinës↔ compare
- Përmbledhja me Gradient (Gradient Boosting)Mësimi i makinës↔ compare
- Përforcimi i RregulluarMësimi i makinës↔ compare
- Përmirësimi i Pjerrëtuesit të FortëMësimi i makinës↔ compare
- Pylli i Rastësishëm Robust (Robust Random Forest)Mësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →