Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) es un algoritmo escalable de potenciación de árboles introducido por Tianqi Chen y Carlos Guestrin en 2016. Construye un predictor potente añadiendo árboles de decisión uno a uno, cada uno corrigiendo los errores dejados por los árboles anteriores, y es un método de predicción potente ampliamente utilizado en competiciones.

Abrir en MethodMindPróximamenteVídeoPróximamenteDownload slides

Leer el método completo

Solo para miembros

Inicia sesión con una cuenta gratuita para leer esta sección.

Iniciar sesión

Method map

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

XGBoost

Árbol de Decisión Gradient Boosting Regresión Logística Random Forest Máquina de Vectores de S…Gradient Boosting de Apr…Active Learning LightGBM AdaBoost Mecanismo de atención Agregación por Bootstrap…

+62 more

Fuentes

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

Cómo citar esta página

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

Árbol de DecisiónAprendizaje automático↔ compare
Gradient BoostingAprendizaje automático↔ compare
Regresión LogísticaEstadística para la investigación↔ compare
Random ForestAprendizaje automático↔ compare
Máquina de Vectores de Soporte (Clasificación)Aprendizaje automático↔ compare

Compare side by side →

Citado por

Gradient Boosting de Aprendizaje Activo Active Learning LightGBM AdaBoost Mecanismo de atención Agregación por Bootstrap (Bagging)Potenciación bayesiana Bayesian LightGBM XGBoost bayesiano Ajuste fino de BERT RNN bidireccional Potenciación CatBoost Clasificación de imágenes con CNN Red Neuronal Convolucional (Clasificación)Calificación crediticia (Scorecards, WoE/IV)Árbol de Decisión Aprendizaje por Refuerzo Profundo CNN dilatada Potenciación del Gradiente en Conjunto (Ensemble Gradient Boosting)Árbol de Decisión Explicable Extra Trees Explicable Gradient Boosting Explicable LightGBM Explicable Random Forest Explicable Ensamblado de Apilamiento Explicable XGBoost Explicable Extra Trees Ajuste fino de GPT Gradient Boosting Red de Atención Gráfica Redes Neuronales de Grafos Unidad Recurrente con Compuertas (GRU)Destilación de Conocimiento LightGBM Longformer / BigBird LoRA y PEFT LSTM Mezcla de Expertos Perceptrón multicapa (MLP)Perceptrón multicapa (MLP)Búsqueda de Arquitecturas Neuronales ODE neuronal Gradient Boosting en Línea Random Forest Potenciación Regularizada CatBoost Regularizado Gradient Boosting Regularizado LightGBM Regularizado Boosting Robusto Gradient Boosting Robusto LightGBM Robusto Robust Random Forest Conjunto de apilamiento robusto XGBoost Robusto Autoatención Multi-cabeza Impulso auto-supervisado Potenciación del gradiente autosupervisada LightGBM auto-supervisado Bosque Aleatorio Autosupervisado Conjunto de apilamiento auto-supervisado Semi-supervised Boosting Gradient Boosting Semi-supervisado XGBoost semi-supervisado Modelo Secuencia-a-Secuencia SHAP (SHapley Additive exPlanations)Stacking Descenso de Gradiente Estocástico (SGD)TextCNN Transformer (PLN)Aprendizaje contrastivo visual

¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →

Leer el método completo

Method map

Fuentes

Cómo citar esta página

Métodos relacionados

Which method?

Citado por