MT
IdħolIbda issa
Glossarju

Gradient boosting

X'inhu Gradient boosting?

Il-gradient boosting hija teknika tat-tagħlim awtomatiku li tgħaqqad ħafna mudelli sempliċi – ġeneralment siġar żgħar tad-deċiżjoni – wieħed wara l-ieħor. Kull siġra ġdida titħarreġ speċifikament biex tnaqqas l-iżbalji li fadal mill-preċedenti. Ir-riżultat huwa mudelli eżatti ħafna għal data tabulari, pereżempju għar-riskju tal-kreditu, għat-tbassir tal-bejgħ jew għall-probabbiltà tat-telf tal-klijenti. Implimentazzjonijiet magħrufa huma XGBoost, LightGBM u CatBoost; jeħtieġ irfinar bir-reqqa biex jiġi evitat l-overfitting.

Suġġetti

  • Tagħlim awtomatiku
  • Metodu ta' ensemble
  • Data tabulari

Ipprova KI.ordo

Aġenti, flussi tax-xogħol u mudelli fi spazju tax-xogħol wieħed – demo b'xejn għal 24 siegħa.

Ibda d-demo
← It-termini kollha

Termini relatati

XGBoost

XGBoost (Extreme Gradient Boosting) hija librerija open-source li timplimenta l-gradient boosting b'siġar tad-deċiżjonijiet b'mod partikolarment effiċjenti. Ħafna siġar żgħar jitħarrġu wieħed wara l-ieħor, kull wieħed jikkoreġi l-iżbalji ta' dawk ta' qabel, filwaqt li r-regolarizzazzjoni tgħin tipprevjeni l-overfitting. XGBoost huwa meqjus bħala għażla ppruvata għal data tabulari, per eżempju fl-ipponderar tar-riskju tal-kreditu, it-tbassir tal-churn jew it-tbassir tal-bejgħ.

  • Tagħlim awtomatiku
  • Boosting
  • +1

LightGBM

LightGBM hija librerija open source għal gradient boosting b'siġar tad-deċiżjoni, oriġinarjament żviluppata minn Microsoft. Hija mfassla għall-veloċità u użu baxx tal-memorja, fost affarijiet oħra permezz ta' taħriġ ibbażat fuq histogrammi u siġar li jikbru leaf-wise fil-werqa l-aktar promettenti. LightGBM hija adattata b'mod partikolari għal settijiet kbar ta' data tabulari, pereżempju tbassir tal-bejgħ, tbassir tat-telf tal-klijenti jew individwazzjoni tal-frodi, u spiss titqabbel ma' XGBoost.

  • Gradient boosting
  • Data tabulari
  • +1

Boosting

Il-boosting huwa metodu ensemble fit-tagħlim awtomatiku li fih ħafna mudelli sempliċi jitħarrġu wieħed wara l-ieħor, b'kull mudell ġdid jiffoka fuq il-każijiet li l-predeċessuri tiegħu żbaljaw fihom. Flimkien jiffurmaw mudell ġenerali ħafna aktar preċiż. Varjanti magħrufa huma AdaBoost u l-gradient boosting, b'libreriji bħal XGBoost jew LightGBM. Il-boosting huwa partikolarment b'saħħtu fuq data tabulari, pereżempju r-riskju tal-kreditu, il-bejgħ jew it-tbassir tat-telf tal-klijenti.

  • Metodi ensemble
  • Tagħlim awtomatiku
  • +1

Siġra tad-deċiżjoni

Siġra tad-deċiżjoni hija mudell li jirrappreżenta deċiżjoni bħala sekwenza ta' mistoqsijiet sempliċi iva/le: kull fergħa tittestja karatteristika waħda u kull werqa tagħti riżultat. Fit-tagħlim awtomatiku, siġar bħal dawn jitgħallmu awtomatikament mid-data u jintużaw għall-klassifikazzjoni jew għat-tbassir. Is-saħħa ewlenija tagħhom hija t-trasparenza – pereżempju, juru għaliex applikazzjoni għal self ġiet immarkata abbażi tad-dħul, tat-terminu u tal-istorja tal-pagamenti.

  • Tagħlim awtomatiku
  • Klassifikazzjoni
  • +1