Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) je škálovatelný stromový posilovaný algoritmus, který v roce 2016 představili Tianqi Chen a Carlos Guestrin. Buduje silný prediktor přidáváním rozhodovacích stromů jeden po druhém, kde každý strom opravuje chyby zbylé po předchozích stromech, a jedná se o výkonnou predikční metodu široce používanou v soutěžích.

Otevřít v MethodMindJiž brzyVideoJiž brzyDownload slides

Přečíst celou metodu

Pouze pro členy

Pro přečtení této sekce se přihlaste s bezplatným účtem.

Přihlásit se

Method map

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

XGBoost

Rozhodovací strom Gradient Boosting Logistická regrese Random Forest Stroj s podpůrnými vekto…Aktivní učení s gradient…Active Learning LightGBM AdaBoost Mechanismus pozornosti Bagging (Bootstrap Aggre…

+62 more

Zdroje

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

Jak citovat tuto stránku

ScholarGate. (2026, June 1). XGBoost (Extreme Gradient Boosting). ScholarGate. https://scholargate.app/cs/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.

Rozhodovací stromStrojové učení↔ compare
Gradient BoostingStrojové učení↔ compare
Logistická regreseStatistika ve výzkumu↔ compare
Random ForestStrojové učení↔ compare
Stroj s podpůrnými vektory (klasifikace)Strojové učení↔ compare

Compare side by side →

Odkazuje sem

Aktivní učení s gradientním posilováním Active Learning LightGBM AdaBoost Mechanismus pozornosti Bagging (Bootstrap Aggregating)Bayesovské posilování Bayesian LightGBM Bayesovský XGBoost Dolaďování modelu BERT Obousměrná rekurentní neuronová síť Zesilování CatBoost Klasifikace obrazu pomocí CNN Konvoluční neuronová síť (klasifikace)Kreditní scoring (Scorecards, WoE/IV)Rozhodovací strom Hluboké zpatňované učení Dilated CNN Gradient Boosting Vysvětlitelný rozhodovací strom Vysvětlitelné extrémní náhodné stromy Vysvětlitelný gradientní boosting Vysvětlitelný LightGBM Vysvětlitelný náhodný les Vysvětlitelný skládaný ansámbl Vysvětlitelný XGBoost Extra Trees Dolaďování GPT Gradient Boosting Grafová pozornostní síť Grafová neuronová síť Gated Recurrent Unit (GRU)Destilace znalostí LightGBM Longformer / BigBird LoRA a PEFT LSTM Směs expertů Multi-layer Perceptron (MLP)Vícevrstvý perceptron (MLP)Automatické vyhledávání architektur neuronových sítí Neuronová ODR (ODE)Online Gradient Boosting Random Forest Regularized Boosting Regularizovaný CatBoost Regularizované gradientní posilování Regularized LightGBM Robust Boosting Robustní Gradient Boosting Robustní LightGBM Robustní náhodný les (Robust Random Forest)Robustní skládaný ansámbl Robustní XGBoost Multi-Head Self-Attention Samoučící se posilování Samoučené vylepšování gradientním zesilováním Self-supervised LightGBM Samoučící se náhodný les Samoučící se skládací ansámbl Polosupervizované posilování (Semi-supervised Boosting)Polozavedené vylepšování gradientem Semi-supervised XGBoost Model sekvence-sekvence SHAP (SHapley Additive exPlanations)Stacking Stochastický gradientní sestup (SGD)TextCNN Transformer (NLP)Vizuální kontrastivní učení

Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →

Přečíst celou metodu

Method map

Zdroje

Jak citovat tuto stránku

Příbuzné metody

Which method?

Odkazuje sem