XGBoost bayesiano
XGBoost bayesiano combina el poder predictivo de Extreme Gradient Boosting con la optimización bayesiana para la sintonización de hiperparámetros. En lugar de la búsqueda en cuadrícula o aleatoria, un modelo sustituto probabilístico guía la búsqueda de la tasa de aprendizaje óptima, la profundidad del árbol y los parámetros de regularización, logrando un rendimiento casi máximo con muchas menos evaluaciones que los enfoques de búsqueda exhaustiva.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian-Optimized Extreme Gradient Boosting. ScholarGate. https://scholargate.app/es/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.
- Gradient BoostingAprendizaje automático↔ compare
- LightGBMAprendizaje automático↔ compare
- Random ForestAprendizaje automático↔ compare
- XGBoostAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →