"분류:XGBoost"의 두 판 사이의 차이

Pywiki
둘러보기로 가기 검색하러 가기
(새 문서: == 개요 == 분류앙상블 기법의 하나로, 여러 개의 모델을 결합해 보다 정확한 값을 만들어내는 기법이다. 그중 부스팅은 여러 분류기가 순...)
 
 
1번째 줄: 1번째 줄:
 
== 개요 ==
 
== 개요 ==
분류앙상블 기법의 하나로, 여러 개의 모델을 결합해 보다 정확한 값을 만들어내는 기법이다. 그중 부스팅은 여러 분류기가 순차적으로 학습을 수행하며 다음 분류기에 가중치를 부여하면서 학습과 예측을 반복하는 기법.
+
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.)

"XGBoost" 분류에 속하는 문서

이 분류에는 문서 1개만이 속해 있습니다.