Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) est un algorithme de tree-boosting évolutif introduit par Tianqi Chen et Carlos Guestrin en 2016. Il construit un prédicteur fort en ajoutant des arbres de décision un par un, chacun corrigeant les erreurs laissées par les arbres précédents, et constitue une méthode de prédiction puissante largement utilisée dans les compétitions.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

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

XGBoost

Arbre de décision Gradient Boosting Régression logistique Forêt Aléatoire Machine à vecteurs de su…Apprentissage actif avec…Apprentissage actif avec…AdaBoost Mécanisme d'attention Bagging (Bootstrap Aggre…

+62 more

Sources

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

Comment citer cette page

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

Arbre de décisionApprentissage automatique↔ compare
Gradient BoostingApprentissage automatique↔ compare
Régression logistiqueStatistiques de recherche↔ compare
Forêt AléatoireApprentissage automatique↔ compare
Machine à vecteurs de support (Classification)Apprentissage automatique↔ compare

Compare side by side →

Référencée par

Apprentissage actif avec gradient boosting Apprentissage actif avec LightGBM AdaBoost Mécanisme d'attention Bagging (Bootstrap Aggregating)Boosting Bayésien LightGBM bayésien XGBoost bayésien Ajustement fin de BERT RNN bidirectionnel Boosting CatBoost Classification d'images par CNN Réseau de neurones convolutif (Classification)Notation de crédit (Tableaux de scores, WoE/IV)Arbre de décision Apprentissage par renforcement profond CNN dilatée Ensemble Gradient Boosting Arbre de décision explicable Extra Trees Explicables Gradient Boosting Explicable LightGBM Explicable Forêt Aléatoire Explicable Ensemble d'empilement explicable XGBoost Explicable Extra Trees Ajustement fin de GPT Gradient Boosting Réseau d'attention sur graphe Réseau de neurones à graphes Unité récurrente à portes (GRU)Distillation de connaissances LightGBM Longformer / BigBird LoRA et PEFT LSTM Mélange d'experts Perceptron multicouche (MLP)Perceptron multicouche (MLP)Recherche d'architecture neuronale ODE neuronale Gradient Boosting en ligne Forêt Aléatoire Boosting Régularisé CatBoost Régularisé Gradient Boosting Régularisé LightGBM régularisé Robust Boosting Gradient Boosting Robuste LightGBM Robuste Forêt Aléatoire Robuste Empilement robuste ensembliste XGBoost Robuste Auto-attention multi-têtes Boosting auto-supervisé Arborescence de gradient auto-supervisée LightGBM auto-supervisé Forêt aléatoire auto-supervisée Empilement auto-supervisé Boost par apprentissage semi-supervisé Gradient Boosting Semi-supervisé XGBoost semi-supervisé Modèle séquence-à-séquence (Seq2Seq)SHAP (SHapley Additive exPlanations)Empilement Descente de gradient stochastique (SGD)TextCNN Transformeur (traitement du langage naturel)Apprentissage visuel contrastif

Une erreur sur cette page ? Signalez-la ou proposez une correction →

Lire la méthode complète

Method map

Sources

Comment citer cette page

Méthodes apparentées

Which method?

Référencée par