Robust LightGBM
Robust LightGBM — це фреймворк градієнтного бустингу, який поєднує високоефективний рушій LightGBM від Microsoft із функціями втрат, стійкими до викидів (найчастіше втрати Губера, квантильні втрати або середньоабсолютна похибка), щоб прогнози не спотворювалися надмірно екстремальними або помилковими спостереженнями. Він зберігає швидкість LightGBM та його зростання дерев за листям, забезпечуючи при цьому стійкість до шуму з важкими хвостами у цільовій змінній.
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
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust LightGBM (Light Gradient Boosting Machine with Robust Loss Functions). ScholarGate. https://scholargate.app/uk/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.
- CatBoostМашинне навчання↔ compare
- Градiєнтний бустингМашинне навчання↔ compare
- Регресія ГубераСтатистика↔ compare
- LightGBMМашинне навчання↔ compare
- Випадковий лісМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →