Бустинг: AdaBoost, градиентный бустинг и идеи уровня XGBoost
🔒 Sign in to use this
Бустинг: каждая следующая модель исправляет ошибки предыдущей
Бэггинг строит деревья независимо и усредняет. Бустинг строит последовательно: каждое новое дерево фокусируется именно на тех примерах или остатках, где предыдущие ошиблись. Это фундаментальная разница. Бустинг — более мощный, но и более склонный к переобучению. XGBoost, LightGBM, CatBoost — все построены на этой идее и сегодня доминируют на табличных данных.
Content is available with subscription.
Get full access to all courses on the platform for one year with a single payment.
▼
▼
Unlike other platforms that charge per course, here you get everything for one price, and after one year of use there will be no automatic charge for the following year.
🔒 Sign in to use this