ব্যাখ্যাযোগ্য এক্সজিবিওস্ট
ব্যাখ্যাযোগ্য এক্সজিবিওস্ট (Explainable XGBoost) এক্সজিবিওস্ট গ্রেডিয়েন্ট-বুস্টেড ট্রি-এর উচ্চ ভবিষ্যদ্বাণীমূলক নির্ভুলতাকে এসএইচএপি (SHAP - SHapley Additive exPlanations) মানের সাথে যুক্ত করে প্রতিটি ভবিষ্যদ্বাণীকে সম্পূর্ণরূপে নিরীক্ষণযোগ্য করে তোলে। এর ফলে এমন একটি মডেল তৈরি হয় যা সারণী ডেটার ক্ষেত্রে নিউরাল নেটওয়ার্কগুলির সাথে তুলনীয় বা তাদের ছাড়িয়ে যায়, একই সাথে তাত্ত্বিকভাবে প্রতিষ্ঠিত, প্রতিটি ভবিষ্যদ্বাণীর জন্য বৈশিষ্ট্যগুলির অবদান (feature attributions) প্রদান করে যা বৈজ্ঞানিক স্বচ্ছতা এবং নিয়ন্ত্রক উভয় চাহিদাই পূরণ করে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
উৎস
- Lundberg, S. M., Erion, G., Chen, H., DeGrave, A., Prutkin, J. M., Nair, B., Katz, R., Himmelfarb, J., Bansal, N., & Lee, S.-I. (2020). From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence, 2(1), 56–67. DOI: 10.1038/s42256-019-0138-9 ↗
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 3). Explainable XGBoost (XGBoost with SHAP-based Interpretability). ScholarGate. https://scholargate.app/bn/machine-learning/explainable-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.
- ব্যাখ্যাযোগ্য গ্রেডিয়েন্ট বুস্টিংযন্ত্র শিখন↔ compare
- Explainable LightGBMযন্ত্র শিখন↔ compare
- ব্যাখ্যাযোগ্য র্যান্ডম ফরেস্টযন্ত্র শিখন↔ compare
- গ্রেডিয়েন্ট বুস্টিংযন্ত্র শিখন↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →