Peningkatan gradien

Peningkatan gradien adalah teknik pembelajaran mesin ansambel yang digunakan untuk membuat model prediktif. Peningkatan gradien membangun model secara bertahap dengan bekerja dari pohon keputusan kecil. Setiap pohon yang berurutan mencoba untuk menambah kekuatan prediksi keseluruhan dari semua pohon keputusan yang dilatih sebelumnya.

Ide utama peningkatan gradien adalah untuk melatih prediktor secara berurutan dengan tujuan meminimalkan fungsi tujuan secara keseluruhan. Peningkatan gradien menggunakan teknik yang disebut peningkatan yang bekerja dengan menggabungkan pelajar yang lemah menjadi pelajar yang kuat. Pembelajar yang lemah adalah mereka yang hanya sedikit lebih baik daripada menebak secara acak. Idenya adalah untuk menggabungkan beberapa pelajar yang lemah menjadi satu pelajar yang lebih kuat, dengan menggunakan teknik peningkatan.

Dalam proses peningkatan, pertama-tama diidentifikasi pembelajar dasar atau lemah. Untuk setiap langkah selanjutnya, teknik peningkatan menimbang atau memberikan bobot yang berbeda kepada masing-masing pembelajar yang lemah, sehingga mereka menjadi lebih efektif secara individu dan kolektif secara keseluruhan. Pada akhir proses peningkatan, dihasilkan satu pembelajar yang memiliki daya prediksi jauh lebih besar dibandingkan hanya kombinasi pembelajar yang lemah.

Fitur penting lainnya dari peningkatan gradien mencakup fleksibilitasnya dalam menggunakan berbagai jenis pembelajar lemah, kapasitasnya untuk menangani hubungan non-linier antara variabel masukan dan target, dan efisiensinya dalam menangani kumpulan data besar.

Peningkatan gradien telah digunakan dalam berbagai aplikasi karena kekuatan prediksi dan efisiensinya yang besar. Secara khusus, ini telah berhasil diterapkan di berbagai bidang seperti deteksi penipuan, penilaian risiko, sistem rekomendasi, visi komputer, dan kecerdasan buatan. Dibandingkan dengan teknik pembelajaran mesin lainnya, peningkatan gradien terlihat sangat berguna dalam kumpulan data yang tidak seimbang.