XGBoost
XGBoost (Extreme Gradient Boosting) je skalabilni algoritam za pojačavanje stabala koji su 2016. godine predstavili Tianqi Chen i Carlos Guestrin. Izgrađuje snažan prediktor dodavanjem stabala odluka jedno po jedno, pri čemu svako ispravlja pogreške koje su ostavila prethodna stabla, te je moćna metoda predviđanja široko korištena u natjecanjima.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
+62 more
Izvori
- Chen, T. & Guestrin, C. (2016). XGBoost: A Scalable Tree Boosting System. Proceedings of the 22nd ACM SIGKDD, 785–794. DOI: 10.1145/2939672.2939785 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 1). XGBoost (Extreme Gradient Boosting). ScholarGate. https://scholargate.app/hr/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.
- Stablo odlučivanjaStrojno učenje↔ compare
- Povećanje gradijentaStrojno učenje↔ compare
- Logistička regresijaIstraživačka statistika↔ compare
- Slučajna šumaStrojno učenje↔ compare
- Stroj potpornih vektora (klasifikacija)Strojno učenje↔ compare
Citirana u
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →