boosting algoritmy strojového učení [Boosting Machine Learning Algorithms]
- Termíny
-
Adaboost
algoritmus Adaboost
algoritmus CatBoost
algoritmus LightGBM
algoritmus XGBoost
boosting algoritmy
CatBoost
gradient boosting algoritmy
iterovaná stavba modelu
LightGBM
postupná stavba modelu
XGBoost
-
Adaboost
Adaptive Boosting Algorithms
Boosting, Machine Learning
CatBoost
Categorical Boosting
Categorical Boosting Algorithms
Ensemble Machine Learning Boosting
Extreme Gradient Boost
Gradient Boosting Algorithms
Iterative Model Building
Light Gradient Boosting Machine
LightGBM
Machine Learning Boosting Algorithms
XGBoost
Boosting je technika souborného učení, která postupně buduje silný model kombinováním slabších modelů. Každý nový model se zaměřuje na chyby předchozích modelů. Boosting přiřazuje větší váhu špatně klasifikovaným případům, což nutí následující modely se na ně více soustředit. Výsledný model je váženou kombinací všech dílčích modelů. V AI to znamená, že počítač se učí po krocích, přičemž v každém kroku se snaží napravit chyby, které udělal v předchozích krocích.
A form of ensemble learning methods which combines weak learners to create strong ones, which reduces training errors and bias in the training models. There are different types of boosting such as gradient boosting, XGBoost, and Adaboost.
- DUI
- D000098404 MeSH Prohlížeč
- CUI
- M000766606
- Historická pozn.
- 2025
- Veřejná pozn.
- 2025