Robust Gradient Boosting
Robust Gradient Boosting — це градієнтний бустинг, навчений із використанням функцій втрат, стійких до викидів — найчастіше функції втрат Хубера або квантильної (pinball) функції втрат — замість втрат від квадратичної похибки. Запропонований у фундаментальній праці Фрідмана 2001 року, цей варіант дає прогнози, значно менш спотворені екстремальними значеннями або зашумленими мітками, зберігаючи при цьому повну прогностичну силу дерев, побудованих методом градієнтного бустингу.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Gradient Boosting (Gradient Boosting with Robust Loss Functions). ScholarGate. https://scholargate.app/uk/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.
- БустингМашинне навчання↔ compare
- Градiєнтний бустингМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- Регуляризований градієнтний бустингМашинне навчання↔ compare
- Надійна лінійна регресіяМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →