LightGBM i Qëndrueshëm
LightGBM i Qëndrueshëm është një kornizë për përforcimin e gradientit që kombinon motorin shumë efikas LightGBM të Microsoft me funksione humbjeje rezistente ndaj anomalive — më së shpeshti gabimi absolut mesatar (Huber), kuantil ose gabimi absolut mesatar — në mënyrë që parashikimet të mos shtrembërohen pa nevojë nga vëzhgimet ekstreme ose me gabime. Ai ruan shpejtësinë e LightGBM dhe rritjen e pemës sipas gjetheve, ndërsa ofron rezistencë ndaj zhurmës me bishta të rëndë në variablën e synuar.
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
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A Highly Efficient Gradient Boosting Decision Tree. Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
- Friedman, J. H. (2001). Greedy Function Approximation: A Gradient Boosting Machine. The Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Robust LightGBM (Light Gradient Boosting Machine with Robust Loss Functions). ScholarGate. https://scholargate.app/sq/machine-learning/robust-lightgbm
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.
- CatBoostMësimi i makinës↔ compare
- Përmbledhja me Gradient (Gradient Boosting)Mësimi i makinës↔ compare
- Regresioni HuberStatistikë↔ compare
- LightGBMMësimi i makinës↔ 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 →