For many practical, high-risk applications, it is essential to quantify uncertainty in a model's predictions to avoid costly mistakes. While predictive uncertainty is widely studied for neural networks, the topic seems to be under-explored for models based on gradient boosting. However, gradient boosting often achieves state-of-the-art results on tabular data. This work examines a probabilistic ensemble-based framework for deriving uncertainty estimates in the predictions of gradient boosting classification and regression models. We conducted experiments on a range of synthetic and real datasets and investigated the applicability of ensemble approaches to gradient boosting models that are themselves ensembles of decision trees. Our analysis shows that ensembles of gradient boosting models successfully detect anomaly inputs while having limited ability to improve the predicted total uncertainty. Importantly, we also propose a concept of a \emph{virtual} ensemble to get the...
本当に、精神病院のナポレオンに聞いた方が簡単なような説明をしています。
量子物理学では予測はなく、不確実性、つまり確率の計算が行われます)))
量子物理学では予測はなく、不確実性、つまり確率の計算が行われるのです)。
応用分野には触れているようで、まったく明かされていないのです。その代わりにバブーシュカからお粥が出始めました。
ということで、「このアプリケーションの範囲に触れているようでいて、まったく明かされていない。その代わりに、何やらお喋りが始まりました。
今日のAIやAIに近い科学への失言のうち、100分の1以下...。
賛成？
AIとその周辺に関する今日のナンセンスのうち、科学に向かうのは100分の1にも満たない......。
賛成？
ばんかによる）
再教育による面白い仕掛けがあるのだが、彼らはそれを公開しなかったし、どこでそれを読むことができるのか、私はまだ見つけていない。それは科学による。）
再教育による興味深いトリックがあるが、彼らはそれを公表しなかったし、他のどこでそれを読むことができるのか、私は見つけられなかった。科学は利用される知識である。）
よもやま話はおもしろい
そこには論文へのリンクが あります。一見すると、通常のベイズ分布に正規分布を加えただけのように見えますが。
そこに記事へのリンク があるのですが、一見すると、ノーマルベイズ＋正規分布にしか見えませんね。
ただ、どのボタンを押せば分類の結果が良くなるのか、まだ分かっていません。
回帰のための一例
最大勾配によるサンプリングがデフォルトで使用されるようになりました（新機能のようです）。
それとも、デフォルトで何もする必要がないのでしょうか？
ちなみに、キャットバストは再トレーニングがとてもかっこいいんですよ...再トレーニングさせるのがとても難しいんです。もしデータセットがゴミだったら......学習が悪く、すべての選択肢を覚えていないでしょう。とりあえず別の動画を見ています。
科学は使う知識です。科学の名前が何であれ))))
知識があれば何でもOKで、あとは応用分野を見ていくだけです。
ブーストのアルゴリズム自体は、今でもとてもクールです。スタジオにいいスピーカーがあればいいのですが。知識はあって損はない、応用の幅を広げよう
ブーストのアルゴリズム自体は、今でもとてもクールです。スタジオにもっと普通のスピーカーがあれば(例えば、ビジネスマンで何かを知っている場合（例えば、ビジネスマンで何かを知っている場合）））知識がなければ、知識はない））中間段階では、何でも起こりうる、変化の時は、たいていSBのようになる）））。