Përmirësimi i Pjerrëtuesit të Fortë
Përmirësimi i Pjerrëtuesit të Fortë (Robust Gradient Boosting) është përmirësim i pjerrëtuesit që stërvitet me funksione humbjeje rezistente ndaj vlerave anormale (outlier-resistant loss functions) — më së shpeshti humbja Huber ose humbja kuantitative (pinball) — në vend të humbjes së gabimit katror. Kjo variant, e propozuar në artikullin themelor të Friedmanit të vitit 2001, prodhon parashikime shumë më pak të shtrembëruara nga vlerat ekstreme ose etiketimet e kontaminuara, duke ruajtur fuqinë e plotë parashikuese të pemëve të përmirësuara me pjerrëtues (gradient-boosted trees).
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
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/sq/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.
- BoostingMësimi i makinës↔ compare
- Përmbledhja me Gradient (Gradient Boosting)Mësimi i makinës↔ compare
- Pylli i RastësishëmMësimi i makinës↔ compare
- Përforcimi i Gradientit të RregulluarMësimi i makinës↔ compare
- Regresioni linear robustMësimi i makinës↔ compare
- XGBoostMësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →