Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) on skaalautuva puupohjainen tehostusalgoritmi, jonka Tianqi Chen ja Carlos Guestrin esittelivät vuonna 2016. Se rakentaa vahvan ennusteen lisäämällä päätöspuita yksi kerrallaan, ja jokainen puu korjaa edellisten puiden jättämiä virheitä. Se on tehokas ennustusmenetelmä, jota käytetään laajalti kilpailuissa.

Avaa sovelluksessa MethodMindTulossaVideoTulossaDownload slides

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Method map

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

XGBoost

Päätöspuu Gradient Boosting Logistinen regressio Random Forest Tukivektorikone (luokitt…Aktiivisen oppimisen gra…Aktiivisen oppimisen Lig…AdaBoost Huomiomekanismi Bagging (Bootstrap Aggre…

+62 more

Lähteet

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

Näin viittaat tähän sivuun

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

PäätöspuuKoneoppiminen↔ compare
Gradient BoostingKoneoppiminen↔ compare
Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
Random ForestKoneoppiminen↔ compare
Tukivektorikone (luokittelu)Koneoppiminen↔ compare

Compare side by side →

Tähän viittaavat

Aktiivisen oppimisen gradienttitehostus Aktiivisen oppimisen LightGBM AdaBoost Huomiomekanismi Bagging (Bootstrap Aggregating)Bayesiläinen tehostaminen Bayesiläinen LightGBM Bayesiläinen XGBoost BERT-hienosäätö Kaksisuuntainen RNN Boosting CatBoost CNN-kuvaluokittelu Konvoluutionaalinen neuroverkko (luokittelu)Luottoluokitus (Scorecards, WoE/IV)Päätöspuu Syvä vahvistusoppiminen Dilatoitu CNN Ensemble Gradient Boosting Selitettävä päätöspuu Selitettävä Extra Trees Selitettävä gradienttitehostus Selitettävä LightGBM Selitettävä Random Forest Selitettävä pinoamisensemble Selitettävä XGBoost Extra Trees GPT-mallin hienosäätö Gradient Boosting Graafiverkko (Graph Attention Network, GAT)Graafineuraaliverkko Porttiyksikkö (GRU)Tietämyksen tislaus LightGBM Longformer / BigBird LoRA ja PEFT LSTM Asiantuntijoiden sekoitus Monikerki- tai monikerroksinen perseptroni (MLP)Monikerki-kerrosperceptron (MLP)Neuraaliarkkitehtuurihaku Neuraalinen ODE Online Gradient Boosting Random Forest Regularisoitu tehostus Regularisoitu CatBoost Regularisoitu gradienttivahvistus Regularized LightGBM Robust Boosting Robust gradient boosting Robust LightGBM Robust Random Forest Robust Stacking Ensemble Robust XGBoost Monipäinen itsehuomio (Multi-Head Self-Attention)Itseohjautuva tehostus Itseohjautuva gradienttivahvistus Itseohjautuva LightGBM Itseohjautuva satunnaismetsä Itseohjautuva pinottu yhdistelmä Puolivalvottu tehostus Puolivalvottu gradienttitehostus Semi-supervised XGBoost Sekvenssistä sekvenssiksi -malli SHAP (SHapley Additive exPlanations)Pinottava yleistys (Stacking)Stokastinen gradienttimenetelmä (SGD)TextCNN Transformer (NLP)Visuaalinen kontrastiivinen oppiminen

Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →

Lue koko menetelmä

Method map

Lähteet

Näin viittaat tähän sivuun

Aiheeseen liittyvät menetelmät

Which method?

Tähän viittaavat