Machine learningMachine learning
XGBoost ניתן להסבר
XGBoost ניתן להסבר משלב את הדיוק החזוי הגבוה של עצי XGBoost מוגברים בגרדיאנט עם ערכי SHAP (SHapley Additive exPlanations) כדי להפוך כל חיזוי לניתן לביקורת מלאה. התוצאה היא מודל המשתווה או עולה על רשתות נוירונים על נתונים טבלאיים תוך שהוא מציע ייחוס תכונות מבוסס תיאורטית, לכל חיזוי, המספק הן שקיפות מדעית והן דרישות רגולטוריות.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- Lundberg, S. M., Erion, G., Chen, H., DeGrave, A., Prutkin, J. M., Nair, B., Katz, R., Himmelfarb, J., Bansal, N., & Lee, S.-I. (2020). From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence, 2(1), 56–67. DOI: 10.1038/s42256-019-0138-9 ↗
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Explainable XGBoost (XGBoost with SHAP-based Interpretability). ScholarGate. https://scholargate.app/he/machine-learning/explainable-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.
- הסברתיות של חיזוק גרדיאנט (Explainable Gradient Boosting)למידת מכונה↔ compare
- LightGBM מוסברלמידת מכונה↔ compare
- יער אקראי מוסבר (Explainable Random Forest - XRF)למידת מכונה↔ compare
- גרדיאנט בוסטינגלמידת מכונה↔ compare
- יער אקראילמידת מכונה↔ compare
- XGBoostלמידת מכונה↔ compare