XGBoost
XGBoost (Extreme Gradient Boosting) on Scalable Tree Boosting on Algoritmi tutvustasid Tianqi Chen ja Carlos Guestrin 2016. aastal. See ehitab tugeva ennustaja, lisades otsustuspuud ükshaaval, kus igaüks parandab eelnevate puude jäetud vigu, ning on võimas ennustusmeetod, mida kasutatakse laialdaselt võistlustel.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
+62 more
Allikad
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD, 785–794. DOI: 10.1145/2939672.2939785 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 1). XGBoost (Extreme Gradient Boosting). ScholarGate. https://scholargate.app/et/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.
- OtsustuspuuMasinõpe↔ compare
- Gradient BoostingMasinõpe↔ compare
- Logistiline regressioonUurimisstatistika↔ compare
- Juhuslik metsMasinõpe↔ compare
- Support Vector Machine (Klassifitseerimine)Masinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →