Tăng cường Gradient Chính quy hóa
Tăng cường gradient chính quy hóa mở rộng tập hợp cây cộng dồn cổ điển (Friedman 2001) bằng cách nhúng các số hạng phạt L1 và L2 trực tiếp vào mục tiêu huấn luyện, cùng với một số hạng phạt độ phức tạp cho kích thước cây. Được phổ biến bởi XGBoost (Chen & Guestrin 2016), khuôn khổ này làm giảm hiện tượng quá khớp và cải thiện khả năng khái quát hóa so với tăng cường không bị phạt, đồng thời giữ lại độ chính xác đặc trưng của phương pháp trên dữ liệu dạng bảng.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Nguồn tài liệu
- Chen, T. & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- Friedman, J. H. (2001). Greedy function approximation: A gradient boosting machine. Annals of Statistics, 29(5), 1189–1232. DOI: 10.1214/aos/1013203451 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Regularized Gradient Boosting (L1/L2-Penalized Additive Tree Ensemble). ScholarGate. https://scholargate.app/vi/machine-learning/regularized-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.
- BoostingHọc máy↔ compare
- Gradient BoostingHọc máy↔ compare
- LightGBMHọc máy↔ compare
- Cây quyết định chính quy hóaHọc máy↔ compare
- Rừng ngẫu nhiên được điều chuẩnHọc máy↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →