एक्सप्लेनेबल एक्सजीबूस्ट (Explainable XGBoost)
एक्सप्लेनेबल एक्सजीबूस्ट, एक्सजीबूस्ट ग्रेडिएंट-बूस्टेड ट्रीज़ की उच्च पूर्वानुमान सटीकता को एसएचएपी (SHAP - SHapley Additive exPlanations) मानों के साथ जोड़ता है ताकि प्रत्येक पूर्वानुमान को पूरी तरह से ऑडिट किया जा सके। इसका परिणाम एक ऐसा मॉडल है जो सारणीबद्ध डेटा पर न्यूरल नेटवर्क के बराबर या उससे बेहतर प्रदर्शन करता है, साथ ही सैद्धांतिक रूप से सुदृढ़, प्रति-पूर्वानुमान फ़ीचर एट्रिब्यूशन (feature attributions) प्रदान करता है जो वैज्ञानिक पारदर्शिता और नियामक मांगों दोनों को पूरा करते हैं।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- 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 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Explainable XGBoost (XGBoost with SHAP-based Interpretability). ScholarGate. https://scholargate.app/hi/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.
- व्याख्यायोग्य ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- एक्सप्लेनेबल लाइटजीबीएम (Explainable LightGBM)मशीन अधिगम↔ compare
- व्याख्या योग्य रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- XGBoostमशीन अधिगम↔ compare