ИИтак

← Назад

словарь

Градиентный бустинг

Метод машинного обучения (gradient boosting): модель строится как ансамбль простых моделей, обычно деревьев решений. Их добавляют по одной, и каждая следующая исправляет ошибки уже собранного ансамбля — шагом вдоль градиента функции потерь. В отличие от случайного леса, где деревья обучаются независимо друг от друга, здесь они обучаются последовательно. Это один из самых сильных методов для табличных данных; самые известные реализации — XGBoost, LightGBM и CatBoost.

См. также

В новостях

  1. NVIDIA выпустила Kumo — открытые модели для прогнозов по базам данных

    Метод машинного обучения: прогноз складывается из множества небольших деревьев решений, и каждое следующее исправляет ошибки предыдущих. Давний стандарт для табличных данных — например, библиотеки XGBoost и LightGBM.

  2. Microsoft показала прогноз риска магнитных бурь для 66 935 подстанций США

    Метод машинного обучения, в котором много простых моделей, обычно деревьев решений, строят по очереди, и каждая следующая исправляет ошибки предыдущих. Хорошо работает на табличных данных.

  3. NVIDIA выпустила открытую модель Kumo Tabular для прогнозов по таблицам

    Метод машинного обучения, который строит ансамбль деревьев решений: каждое новое дерево исправляет ошибки предыдущих. Долгое время — главный инструмент для предсказаний по табличным данным.