Skip to main content

> ML_ALGORITHM // GRADIENT-BOOSTING_v1.0

Gradyan Artırmalı Karar Ağaçları

Kayıp fonksiyonunun gradyanı boyunca önceki yinelemelerin artıklarını tahmin etmek üzere sığ ağaçlar eğiten ardışık topluluk tekniği.

Tree & Rule Ensemblesclassical-supervisedmoderate-posthocmedium (1k-100k)
Tüm Algoritmalara Dön
Hesaplama Karmaşıklığı
Eğitim (Training):O(n_trees * p * n log n)
Çıkarım (Inference):O(n_trees * depth)
Donanım Karakteristiği
CPU Uygunluğu:Evet
GPU Zorunluluğu:Hayır
Bellek Ayak İzi:moderate
Açıklanabilirlik ve Veri
Açıklanabilirlik Düzeyi:moderate-posthoc
Eğitim Verisi İhtiyacı:medium (1k-100k)

Açıklanabilirlik Değerlendirmesi

TreeSHAP matematiksel olarak titiz yerel ve küresel özellik atıfları sağlar.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:
binary classificationmulticlass classificationregressionranking
Desteklenen Modaliteler:
tabular

Uygulayıcı Kütüphaneler

scikit-learnscikit-learn Consortium / Inria · v1.5.2
İncele
caret-r

Temel Literatür & Yayınlar

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler
  • Erken durdurma ve büzülme (öğrenme oranı) olmadan ezberleme
  • Eğitim sınırları dışındaki doğrusal eğilimleri ekstrapole edememe