Τι λειτουργεί ως ζυγός στην ενίσχυση του βαθμιδωτού;
sobes.tech AI
Απάντηση από AI
Στην ενίσχυση με γραμμικό βαθμολόγηση, τα βάρη αντιπροσωπεύονται από τα γραμμικά, που είναι οι παράγωγοι της λειτουργίας απώλειας σε σχέση με τις προβλέψεις του μοντέλου στο τρέχον βήμα. Αυτά τα γραμμικά δείχνουν πόσο πρέπει να διορθωθούν οι προβλέψεις για τη μείωση του σφάλματος.
Σε κάθε βήμα, κατασκευάζεται ένα νέο μοντέλο (συνήθως ένα δέντρο), που μαθαίνει να προβλέπει τα αρνητικά γραμμικά (σφάλματα) του προηγούμενου μοντέλου. Έτσι, τα βάρη είναι τα σφάλματα που πρέπει να διορθωθούν, και καθοδηγούν την εκπαίδευση του επόμενου μοντέλου για τη βελτίωση του τελικού αποτελέσματος.
Παράδειγμα: αν η λειτουργία απώλειας είναι MSE, τα γραμμικά θα είναι η διαφορά μεταξύ των προβλεπόμενων και των πραγματικών τιμών, και το νέο μοντέλο θα προσπαθήσει να προβλέψει αυτή τη διαφορά.