Machine learning

XGBoost

Az XGBoost (Extreme Gradient Boosting) egy skálázható, fákra épülő erősítő algoritmus, amelyet Tianqi Chen és Carlos Guestrin vezetett be 2016-ban. Egy erős prediktort épít döntési fák egymás utáni hozzáadásával, ahol minden új fa javítja az előző fák által hátrahagyott hibákat. Ez egy hatékony predikciós módszer, amelyet széles körben használnak versenyeken.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

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

XGBoost

Döntési fa Gradient Boosting Logistic Regression Véletlen erdő Support Vector Machine (…Aktív Tanulás Gradient B…Active Learning LightGBM AdaBoost Attention Mechanism Bagging (Bootstrap Aggre…

+62 more

Források

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

Hogyan hivatkozzon erre az oldalra

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

Döntési faGépi tanulás↔ compare
Gradient BoostingGépi tanulás↔ compare
Logistic RegressionKutatási statisztika↔ compare
Véletlen erdőGépi tanulás↔ compare
Support Vector Machine (Osztályozás)Gépi tanulás↔ compare

Compare side by side →

Hivatkozik rá

Aktív Tanulás Gradient Boosting Active Learning LightGBM AdaBoost Attention Mechanism Bagging (Bootstrap Aggregating)Bayesian Boosting Bayes-féle LightGBM Bayesian XGBoost BERT finomhangolás A Bidirectional RNN Boosting CatBoost CNN képosztályozás Konvolúciós neurális hálózat (osztályozás)Hitelpontozás (scorecardok, WoE/IV)Döntési fa Mély megerősítéses tanulás Dilated CNN Ensemble Gradiens Erősítés Áttekinthető döntési fa Magyarázható Extra fák Magyarázható gradiens boosting Magyarázható LightGBM Magyarázható Random Forest Magyarázható Stacking Ensemble Magyarázható XGBoost Extra Trees GPT finomhangolás Gradient Boosting Gráfon alapuló figyelmi hálózat Gráfon alapuló neurális hálózat Kapuzott rekurrens egység (GRU)A tudásdesztilláció LightGBM Longformer / BigBird LoRA és PEFT LSTM Szakértők keveréke Multi-layer Perceptron (MLP)Multilayer Perceptron (MLP)Neuronális Architektúra Keresés Neural ODE Online Gradient Boosting Véletlen erdő Regularizált Boosting Regularizált CatBoost Regularizált Gradient Boosting Regularizált LightGBM Robusztus Boosting Robuszt Gradient Boosting Robusztus LightGBM Robust Random Forest Robust Stacking Ensemble Robuszt XGBoost Multi-Head Self-Attention Önfelügyelt Boostolás Önfelügyelt gradiens növelés Önszupervizált LightGBM Önfelügyelt Random Forest Önfelügyelt Halmozott Együttes Félfelügyelt Boosting Félfelügyelt Gradient Boosting Félfelügyelt XGBoost Szekvencia-szekvencia modell SHAP (SHapley Additive exPlanations)Halmozás Sztochasztikus gradiens leszúrás (SGD)TextCNN Transformer (NLP)Vizuális kontrasztív tanulás

Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →

A teljes módszer elolvasása

Method map

Források

Hogyan hivatkozzon erre az oldalra

Kapcsolódó módszerek

Which method?

Hivatkozik rá