Gradient Boosting Machine
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- Stanford University
- Tipo de organización
- Academia
- País
- United States of America
- Publicado
- 1 October 2001
- Autores
- Jerome H. Friedman
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Mathematics
- Tarea
- Pattern classification, Binary classification, Regression
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- 5,000 tokens
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Por qué se rastrea
- Highly cited
- Registrar confianza
- Unknown
- Citas
- 17,891
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Greedy function approximation: A gradient boosting machine
- Última actualización
- 28 November 2025
Qué significan los números
Qué es este modelo
Gradient Boosting Machine was published by Stanford University, in United States of America, in October 2001. academia is the category the publisher falls under.
It works in Mathematics, and is recorded as doing pattern classification, Binary classification, Regression.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Qué se utilizó para construirlo
It was trained on about 5,000 tokens of text.
The reason it appears in this catalogue at all is highly cited.
Respuestas
Gradient Boosting Machine — Preguntas frecuentes
How many parameters does Gradient Boosting Machine have?
No parameter count has been published for Gradient Boosting Machine, which is why no memory or speed figure appears on this page.
Who created Gradient Boosting Machine?
Gradient Boosting Machine was published by Stanford University, based in United States of America, categorised as academia.
When was Gradient Boosting Machine released?
Gradient Boosting Machine was published in October 2001. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Gradient Boosting Machine used for?
Gradient Boosting Machine works in Mathematics, and is recorded as handling pattern classification, Binary classification, Regression. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
What GPU do I need to run Gradient Boosting Machine?
None. Gradient Boosting Machine is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Gradient Boosting Machine open source?
The licensing for Gradient Boosting Machine was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.