Early stopping в градиентном бустинге: задача

Команда добавляет деревья бустинга и следит за результатом обучения. Определите, какую задачу решает механизм early stopping. Разбор подготовки данных, оценки и деплоя моделей продолжайте в платном курсе «Data Scientist: от данных до деплоя моделей» — откройте программу.

Зачем использовать early stopping при обучении gradient boosting?

Выберите один вариантЧтобы автоматически остановить обучение, когда метрика на валидации перестаёт улучшаться, избегая переобученияЧтобы сократить время обучения за счёт использования меньшего количества признаков в каждом деревеЧтобы модель автоматически подбирала оптимальный learning_rate на каждой итерации обученияЧтобы увеличить скорость сходимости модели путём динамического изменения глубины деревьевЧтобы предотвратить утечку данных между обучающей и валидационной выборками при добавлении деревьев

Без регистрации · результат не сохраняется

Связанные задачи