Надійний бустинг
Надійний бустинг (Robust Boosting) модифікує стандартні алгоритми бустингу — такі як AdaBoost або градієнтний бустинг — шляхом заміни експоненційної або квадратичної функції втрат на надійні функції втрат (наприклад, функції втрат Губера, логістичні або усічені функції втрат) або шляхом включення механізмів толерантності до шуму, щоб ансамбль залишався точним навіть тоді, коли навчальні дані містять викиди, шум у мітках або помилки з "важкими хвостами".
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Boosting (Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/uk/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.
- БустингМашинне навчання↔ compare
- Градiєнтний бустингМашинне навчання↔ compare
- Регуляризований бустингМашинне навчання↔ compare
- Robust Gradient BoostingМашинне навчання↔ compare
- Надійний випадковий лісМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →