XGBoost
XGBoost (एक्स्ट्रीम ग्रेडिएंट बूस्टिंग) 2016 में तियानकी चेन और कार्लोस गेस्ट्रीन द्वारा प्रस्तुत एक स्केलेबल ट्री-बूस्टिंग एल्गोरिथम है। यह एक मजबूत भविष्यवक्ता का निर्माण करता है, जिसमें निर्णय वृक्षों को एक-एक करके जोड़ा जाता है, प्रत्येक वृक्ष अपने पूर्ववर्ती वृक्षों द्वारा छोड़ी गई त्रुटियों को ठीक करता है, और यह एक शक्तिशाली भविष्यवाणी विधि है जिसका व्यापक रूप से प्रतियोगिताओं में उपयोग किया जाता है।
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.
+62 more
स्रोत
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD, 785–794. DOI: 10.1145/2939672.2939785 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 1). XGBoost (Extreme Gradient Boosting). ScholarGate. https://scholargate.app/hi/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.
- निर्णय वृक्षमशीन अधिगम↔ compare
- ग्रेडिएंट बूस्टिंगमशीन अधिगम↔ compare
- लॉजिस्टिक रिग्रेशनअनुसंधान सांख्यिकी↔ compare
- रैंडम फ़ॉरेस्टमशीन अधिगम↔ compare
- सपोर्ट वेक्टर मशीन (वर्गीकरण)मशीन अधिगम↔ compare