Gradient Boosting

Gradient Boosting Machine (GBM)

Türkçe: Gradyan Güçlendirme

Ayrıntılı Tanım

Modelleri paralel değil **ardışık (sıralı)** inşa eden, her yeni ağacın bir önceki ağaçların yaptığı **artık hataları (residuals)** tahmin etmek üzere gradyan inişi mantığıyla eğitildiği topluluk yöntemidir.

Ne İşe Yarar / Çözülen Problem

Modelin yanlılığını (bias) adım adım azaltarak tabular (tablo) verilerde ulaşılabilecek en yüksek tahmin gücünü sağlar.

Nasıl Çalışır? (Teknik & Mekanizma)

F_m(x) = F_{m-1}(x) + \gamma_m h_m(x)

Yeni ağaç

h_m(x)

, kayıp fonksiyonunun negatif gradyanına (artık hatalara) fit edilir.

Örnek Senaryo & Pratik Uygulama

Bir ustanın yaptığı heykeldeki pürüzleri çırağının zımparalaması, onun bıraktığı mikro kusurları ise diğer ustanın cila ile düzeltmesi.

Benzer Terimlerden Farkı

Bagging varyansı düşürmek için modelleri paralel toplarken, Gradient Boosting yanlılığı düşürmek için hataların üzerine sıralı gider.

İlişkili Terimler (3)

#38

AdaBoost

Uyarlanabilir Güçlendirme

#39

XGBoost

Uç / İleri Düzey Gradyan Güçlendirme

#40

LightGBM

Hafif / Hızlı Gradyan Güçlendirme

Ait Olduğu Kategori

Klasik Makine Öğrenmesi ve İstatistiksel Kuram

Sembolik AI, GOFAI, karar ağaçları, regresyon ve temel istatistiksel modeller.

Toplam Terim:68 Madde

Bu Kategorideki Tüm Terimleri Gör →

Önceki Terim (#36)Random Forest

Sonraki Terim (#38)AdaBoost