تعزيز التدرج
Gradient Boosting
أسلوب تعلُّم مجمَّع يبني نموذجاً قوياً بضم متعلمين ضعفاء (عادةً أشجار قرار ضحلة) بالتتابع، بحيث يُدرَّب كل متعلم جديد لتصحيح تدرّج خطأ المجموع السابق، وهو الأساس لخوارزميات XGBoost وLightGBM وCatBoost.
An ensemble learning technique that builds a strong model by sequentially combining weak learners — typically shallow decision trees — each trained to fit the gradient of the previous ensemble's loss, underlying algorithms such as XGBoost, LightGBM, and CatBoost.
تُرجم أيضاًGradient Boosting، التعزيز التدرجي، آلات تعزيز التدرج، GBM
أول ظهور في هذه المجموعة: أشجار التصنيف والانحدار (1984)
يظهر في هذه الأوراق
- تعميم نظرية القرار للتعلّم التتابعي وتطبيقه على التعزيز التراكمي1997في السماء ✦
- تكييس المتنبِّئات1996في السماء ✦
- أشجار التصنيف والانحدار1984في السماء ✦
- التقريب الجشع للدوال: آلة التعزيز التدرُّجي2001في السماء ✦
- LightGBM: تعزيز تدرُّجي فائق الكفاءة لأشجار القرار2017في السماء ✦
- الغابات العشوائية2001في السماء ✦
- إطار موحَّد لتفسير تنبؤات النماذج2017في السماء ✦
- XGBoost: نظام قابل للتوسُّع لتعزيز الأشجار التدرُّجي2016في السماء ✦