Machine learningMachine learning
إكس جي بي أوست البايزي
يجمع إكس جي بي أوست البايزي بين القدرة التنبؤية لـ إكستريم جراديانت بوستينج مع التحسين البايزي لضبط المعلمات الفائقة. بدلاً من البحث الشبكي أو العشوائي، يوجه نموذج بديل احتمالي البحث عن معدل التعلم الأمثل، وعمق الشجرة، ومعلمات التنظيم، مما يحقق أداءً قريبًا من الذروة بتقييمات أقل بكثير من أساليب البحث الشامل.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
Method map
The neighbourhood of related methods — select a node to explore.
المصادر
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
- Snoek, J., Larochelle, H. & Adams, R. P. (2012). Practical Bayesian Optimization of Machine Learning Algorithms. Advances in Neural Information Processing Systems (NeurIPS), 25, 2951–2959. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Bayesian-Optimized Extreme Gradient Boosting. ScholarGate. https://scholargate.app/ar/machine-learning/bayesian-xgboost
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- تعزيز التدرجتعلم الآلة↔ compare
- لايت جي بي إمتعلم الآلة↔ compare
- الغابات العشوائيةتعلم الآلة↔ compare
- XGBoostتعلم الآلة↔ compare