Robust LightGBM
Robust LightGBM là một framework gradient boosting kết hợp engine LightGBM hiệu suất cao của Microsoft với các hàm mất mát có khả năng chống lại các điểm ngoại lai — phổ biến nhất là Huber, quantile, hoặc mean absolute error — để các dự đoán không bị sai lệch quá mức bởi các quan sát cực đoan hoặc sai sót. Nó giữ nguyên tốc độ và cơ chế phát triển cây theo lá của LightGBM trong khi vẫn cung cấp khả năng chống nhiễu đuôi nặng trong biến mục tiêu.
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.
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Robust LightGBM (Light Gradient Boosting Machine with Robust Loss Functions). ScholarGate. https://scholargate.app/vi/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.
- CatBoostHọc máy↔ compare
- Gradient BoostingHọc máy↔ compare
- Hồi quy HuberThống kê↔ compare
- LightGBMHọc máy↔ compare
- Rừng ngẫu nhiênHọc máy↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →