Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) е мащабируем алгоритъм за дървовиден бустинг, представен от Тианки Чен и Карлос Гестрин през 2016 г. Той изгражда силен предиктор чрез добавяне на дървета на решения едно по едно, като всяко коригира грешките, оставени от предишните дървета, и е мощен метод за прогнозиране, широко използван в състезания.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Method map

The neighbourhood of related methods — select a node to explore.

XGBoost

Дърво на решенията Градиентен бустинг Логистична регресия Случайна гора Методът на опорните вект…Активно обучение с гради…Активно обучение с Light…AdaBoost Механизъм на вниманието Bagging (Bootstrap Aggre…

+62 more

Източници

Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD, 785–794. DOI: 10.1145/2939672.2939785 ↗

Как да цитирате тази страница

ScholarGate. (2026, June 1). XGBoost (Extreme Gradient Boosting). ScholarGate. https://scholargate.app/bg/machine-learning/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.

Дърво на решениятаМашинно обучение↔ compare
Градиентен бустингМашинно обучение↔ compare
Логистична регресияСтатистика за изследвания↔ compare
Случайна гораМашинно обучение↔ compare
Методът на опорните вектори (класификация)Машинно обучение↔ compare

Compare side by side →

Цитиран в

Активно обучение с градиентен бустинг Активно обучение с LightGBM AdaBoost Механизъм на вниманието Bagging (Bootstrap Aggregating)Байесово усилване Bayesian LightGBM Байесов XGBoost Финна настройка на BERT Двупосочна рекурентна невронна мрежа (Bidirectional RNN)Бустинг CatBoost Класификация на изображения с помощта на конволюционни невронни мрежи (CNN)Конволюционна невронна мрежа (Класификация)Кредитен скоринг (скоркарти, WoE/IV)Дърво на решенията Дълбоко обучение с подкрепление Разширена (Dilated) конволюционна невронна мрежа Ансамблово усилване на градиента (Ensemble Gradient Boosting)Обясним дърво на решенията Обясними екстремни дървета Обясним градиентен бустинг Обясним LightGBM Обясним случаен лес Обясним стек-ансамбъл Обясним XGBoost Extra Trees Фината настройка на GPT (GPT Fine-Tuning)Градиентен бустинг Графова невронна мрежа с внимание (GAT)Графови невронни мрежи Затворен рекурентен модул (GRU)Дестилация на знания LightGBM Longformer / BigBird LoRA и PEFT LSTM Смес от експерти Многослоен персептрон (MLP)Многослоен персептрон (MLP)Търсене на невронни архитектури Невронно ОДУ Онлайн градиентен бустинг Случайна гора Регуляризирано бустиране Регуляризиран CatBoost Регуляризирано градиентно усилване Регуляризиран LightGBM Устойчиво усилване Устойчиво градиентно усилване Robust LightGBM Робастна случайна гора Устойчив стекен ансамбъл Устойчив XGBoost Многоглаво самовнимание Самообучаващо се усилване Самообучаващо се градиентно усилване Самоконтролиран LightGBM Самообучаваща се случайна гора Самообучаваща се ансамблова стекинг класификация Полу-наблюдаван бустинг Полу-наблюдавано градиентно усилване Полу-контролиран XGBoost Моделът последователност-към-последователност SHAP (SHapley Additive exPlanations)Стакинг Стохастичен градиентен спусък (SGD)TextCNN Трансформър (обработка на естествен език)Визуално контрастивно обучение

Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →