Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) er en skalerbar træ-boosting-algoritme introduceret af Tianqi Chen og Carlos Guestrin i 2016. Den opbygger en stærk prædiktor ved at tilføje beslutningstræer ét ad gangen, hvor hvert træ korrigerer fejl efterladt af de foregående træer, og er en kraftfuld prædiktionsmetode, der er bredt anvendt i konkurrencer.

Åbn i MethodMindSnartVideoSnartDownload slides

Læs hele metoden

Kun for medlemmer

Log ind med en gratis konto for at læse dette afsnit.

Log ind

Method map

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

XGBoost

Beslutningstræ Gradient Boosting Logistisk regression Random Forest Support Vector Machine (…Active Learning Gradient…Active Learning LightGBM AdaBoost Opmærksomhedsmekanisme Bagging (Bootstrap Aggre…

+62 more

Kilder

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

Sådan citerer du denne side

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

BeslutningstræMaskinlæring↔ compare
Gradient BoostingMaskinlæring↔ compare
Logistisk regressionForskningsstatistik↔ compare
Random ForestMaskinlæring↔ compare
Support Vector Machine (Klassifikation)Maskinlæring↔ compare

Compare side by side →

Refereret af

Active Learning Gradient Boosting Active Learning LightGBM AdaBoost Opmærksomhedsmekanisme Bagging (Bootstrap Aggregating)Bayesiansk Boosting Bayesian LightGBM Bayesiansk XGBoost BERT Finjustering Bidirectional RNN Boosting CatBoost CNN-billedklassifikation Konvolutionelt Neuralt Netværk (Klassifikation)Kreditvurdering (Scorecards, WoE/IV)Beslutningstræ Dyb Forstærkningslæring Dilateret CNN Ensemble Gradient Boosting Forklarligt beslutningstræ Forklarlige Extra Trees Forklarlig Gradient Boosting Forklarbar LightGBM Forklarlig Random Forest Forklarlig Stacking Ensemble Forklarlig XGBoost Ekstra Træer GPT Finjustering Gradient Boosting Graph Attention Network Grafneuralt netværk Gated Recurrent Unit (GRU)Knowledge Distillation LightGBM Longformer / BigBird LoRA og PEFT LSTM Mixture of Experts Multi-layer Perceptron (MLP)Multilayer Perceptron (MLP)Neural Architecture Search Neural ODE Online Gradient Boosting Random Forest Regulariseret Boosting Regulariseret CatBoost Regulariseret gradient-boosting Regulariseret LightGBM Robust Boosting Robust Gradient Boosting Robust LightGBM Robust Random Forest Robust Stacking Ensemble Robust XGBoost Multi-Head Self-Attention Selv-superviseret Boosting Selvsuperviseret gradient-boosting Selv-superviseret LightGBM Selvovervåget Random Forest Self-supervised Stacking Ensemble Semi-supervised Boosting Semi-overvåget Gradient Boosting Semi-supervised XGBoost Sekvens-til-sekvens-model SHAP (SHapley Additive exPlanations)Stacking Stokastisk gradientnedstigning (SGD)TextCNN Transformer (NLP)Visuel kontrastiv læring

Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →

Læs hele metoden

Method map

Kilder

Sådan citerer du denne side

Relaterede metoder

Which method?

Refereret af