Ensemble Gradient Boosting
Gradijentno pojačavanje (Gradient Boosting) je ansambl metoda koju je Jerome Friedman predstavio 2001. godine, a koja gradi snažan prediktivni model sekvencijalnim dodavanjem plitkih stabala odlučivanja, pri čemu svako stablo ispravlja greške prethodnog ansambla. Uokvirujući problem kao gradijentni spust u funkcijskom prostoru, postiže najsavremeniju tačnost u zadacima klasifikacije, regresije i rangiranja na tabelarnim podacima.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
- Friedman, J. H. (2002). Stochastic gradient boosting. Computational Statistics and Data Analysis, 38(4), 367–378. DOI: 10.1016/S0167-9473(01)00065-2 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Gradient Boosting Machine (Ensemble of Additive Decision Trees). ScholarGate. https://scholargate.app/sr/machine-learning/ensemble-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.
- AdaBoostMašinsko učenje↔ compare
- CatBoostMašinsko učenje↔ compare
- Дрво одлучивањаMašinsko učenje↔ compare
- LightGBMMašinsko učenje↔ compare
- Slučajna šumaMašinsko učenje↔ compare
- XGBoostMašinsko učenje↔ compare
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →