Machine learningMachine learning

Μπεϋζιανό XGBoost

Το Μπεϋζιανό XGBoost συνδυάζει την προγνωστική ισχύ του Extreme Gradient Boosting με τη Μπεϋζιανή βελτιστοποίηση για τον συντονισμό υπερπαραμέτρων. Αντί για αναζήτηση πλέγματος (grid search) ή τυχαία αναζήτηση (random search), ένα πιθανοκρατικό υποκατάστατο μοντέλο καθοδηγεί την αναζήτηση για τη βέλτιστη ταχύτητα μάθησης, το βάθος δέντρου και τις παραμέτρους κανονικοποίησης, επιτυγχάνοντας απόδοση κοντά στο μέγιστο με πολύ λιγότερες αξιολογήσεις από τις εξαντλητικές προσεγγίσεις αναζήτησης.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

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

Πηγές

  1. 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
  2. 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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 3). Bayesian-Optimized Extreme Gradient Boosting. ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateBayesian XGBoost (Bayesian-Optimized Extreme Gradient Boosting). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/machine-learning/bayesian-xgboost · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026