# Etkileşimli Gradient Boosting

<div class="mlv-demo-links">
  <a class="mlv-demo-link" href="hundred_page_ml.html">Genel Harita</a>
  <a class="mlv-demo-link" href="book_ensemble_learning.html">Ensemble</a>
  <a class="mlv-demo-link" href="interactive_book_bagging.html">Bagging</a>
  <a class="mlv-demo-link" href="interactive_book_random_forest.html">Random Forest</a>
  <a class="mlv-demo-link active" href="interactive_book_gradient_boosting.html">Gradient Boosting</a>
  <a class="mlv-demo-link secondary" href="../_static/demos/book-gradient-boosting.html">Tam Ekran Demo</a>
</div>

<div class="mlv-demo-hero">
  <div class="mlv-demo-kicker">Kitap / Hata Düzeltme Mantığı</div>
  <p class="mlv-demo-lead">Boosting paralel ortalama yapmaz; sırayla ilerler. Her yeni zayıf öğrenici, bir önceki sahnenin neleri kaçırdığını arar ve hatayı biraz daha kapatır. Bu yüzden boosting'in ritmi “topla” değil, “düzelt” ritmidir.</p>
</div>

<div class="mlv-demo-grid">
  <div class="mlv-demo-panel">
    <strong>Ne Yap</strong>
    <span>Aşama sayısını ve learning rate'i değiştir. Tahmin eğrisinin hedefe nasıl yaklaştığını, son düzeltme ağacının nerelere odaklandığını izle.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Ne Gör</strong>
    <span>Az aşama kaba bir model bırakır. Çok aşama ve sert adım büyüklüğü ise doğrulamayı bozmaya başlayabilir.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Kitaptaki Karşılığı</strong>
    <span>Bu, “zayıf öğrenicileri sırayla birleştirerek güçlü model kurma” düşüncesinin görsel karşılığıdır.</span>
  </div>
</div>

<div class="mlv-demo-note">
Boosting'in kuvveti, tek bir ağaçta değil; her turun önceki hatayı biraz daha daraltmasında yatar. Bu yüzden tempo ve adım büyüklüğü kritik hale gelir.
</div>

<iframe
  class="mlv-demo-frame"
  src="../_static/demos/book-gradient-boosting.html"
  title="Gradient Boosting Demosu"
  loading="lazy"
  frameborder="0"
></iframe>
