Bayesian XGBoost
Bayesian XGBoost combina la potenza predittiva di Extreme Gradient Boosting con l'ottimizzazione Bayesiana per la messa a punto degli iperparametri. Invece di una ricerca a griglia o casuale, un modello surrogato probabilistico guida la ricerca per parametri ottimali di tasso di apprendimento, profondità dell'albero e regolarizzazione, ottenendo prestazioni quasi di picco con molte meno valutazioni rispetto agli approcci di ricerca esaustiva.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
- Snoek, J., Larochelle, H. & Adams, R. P. (2012). Practical Bayesian Optimization of Machine Learning Algorithms. Advances in Neural Information Processing Systems (NeurIPS), 25, 2951–2959. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian-Optimized Extreme Gradient Boosting. ScholarGate. https://scholargate.app/it/machine-learning/bayesian-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.
- Gradient BoostingApprendimento automatico↔ compare
- LightGBMApprendimento automatico↔ compare
- Random ForestApprendimento automatico↔ compare
- XGBoostApprendimento automatico↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →