"분류:XGBoost"의 두 판 사이의 차이
둘러보기로 가기
검색하러 가기
(새 문서: == 개요 == 분류앙상블 기법의 하나로, 여러 개의 모델을 결합해 보다 정확한 값을 만들어내는 기법이다. 그중 부스팅은 여러 분류기가 순...) |
(→개요) |
||
1번째 줄: | 1번째 줄: | ||
== 개요 == | == 개요 == | ||
− | 분류앙상블 기법의 | + | 분류앙상블 기법의 하나(트리기반)로, 여러 개의 모델을 결합해 보다 정확한 값을 만들어내는 기법이다. 그중 부스팅은 여러 분류기가 순차적으로 학습을 수행하며 다음 분류기에 가중치를 부여하면서 학습과 예측을 반복하는 기법. |
=== 역사 === | === 역사 === | ||
− | 기본 알고리즘인 AdaBoost로부터 GradientBoost로, 여기에서 더 발전한 알고리즘 중 하나이다. | + | 기본 알고리즘인 AdaBoost로부터 GradientBoost로, 여기에서 더 발전한 알고리즘 중 하나이다.(조기중단, 과적합을 막기 위한 파라미터가 추가.) |
[[분류:머신러닝 기법]] | [[분류:머신러닝 기법]] |
2021년 9월 3일 (금) 22:53 기준 최신판
1 개요[편집 | 원본 편집]
분류앙상블 기법의 하나(트리기반)로, 여러 개의 모델을 결합해 보다 정확한 값을 만들어내는 기법이다. 그중 부스팅은 여러 분류기가 순차적으로 학습을 수행하며 다음 분류기에 가중치를 부여하면서 학습과 예측을 반복하는 기법.
1.1 역사[편집 | 원본 편집]
기본 알고리즘인 AdaBoost로부터 GradientBoost로, 여기에서 더 발전한 알고리즘 중 하나이다.(조기중단, 과적합을 막기 위한 파라미터가 추가.)