Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) è un algoritmo scalabile di tree-boosting introdotto da Tianqi Chen e Carlos Guestrin nel 2016. Costruisce un predittore forte aggiungendo alberi decisionali uno alla volta, ciascuno correggendo gli errori lasciati dagli alberi precedenti, ed è un potente metodo di predizione ampiamente utilizzato nelle competizioni.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

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

XGBoost

Albero decisionale Gradient Boosting Regressione Logistica Random Forest Support Vector Machine (…Gradient Boosting con Ap…[UNTRANSLATED: Active Le…[UNTRANSLATED: AdaBoost]Meccanismo di Attenzione Bagging (Bootstrap Aggre…

+62 more

Fonti

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

Come citare questa pagina

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

Albero decisionaleApprendimento automatico↔ compare
Gradient BoostingApprendimento automatico↔ compare
Regressione LogisticaStatistica per la ricerca↔ compare
Random ForestApprendimento automatico↔ compare
Support Vector Machine (Classificazione)Apprendimento automatico↔ compare

Compare side by side →

Citato da

Gradient Boosting con Apprendimento Attivo [UNTRANSLATED: Active Learning LightGBM][UNTRANSLATED: AdaBoost]Meccanismo di Attenzione Bagging (Bootstrap Aggregating)Boosting Bayesiano LightGBM Bayesiano Bayesian XGBoost Fine-Tuning di BERT RNN Bidirezionale Boosting CatBoost Classificazione di immagini CNN Rete Neurale Convoluzionale (Classificazione)Credit Scoring (Scorecards, WoE/IV)Albero decisionale Apprendimento per Rinforzo Profondo CNN Dilatata Gradient Boosting d'Insieme Albero Decisionale Spiegabile Extra Trees Spiegabili Gradient Boosting Spiegabile LightGBM Spiegabile Foresta Casuale Spiegabile Stacking Spiegabile XGBoost Spiegabile Alberi Extra Fine-Tuning di GPT Gradient Boosting Rete di Attenzione su Grafo Reti Neurali su Grafo Unità Ricorrente Gated (GRU)Distillazione della Conoscenza LightGBM Longformer / BigBird LoRA e PEFT LSTM Mixture of Experts Multi-layer Perceptron (MLP)Multilayer Perceptron (MLP)Ricerca Architetturale Neurale Neural ODE Gradient Boosting Online Random Forest Boosting Regolarizzato CatBoost Regolarizzato Gradient Boosting Regolarizzato LightGBM Regularizzato Robust Boosting Gradient Boosting Robusto LightGBM Robusto Random Forest Robusto Ensemble Robusto a Impilamento XGBoost Robusto Auto-attenzione multi-testa Boosting auto-supervisionato Gradient Boosting Auto-supervisionato LightGBM Auto-supervisionato Self-supervised Random Forest Insieme di Impilamento Auto-supervisionato Boosting Semi-Supervisionato Gradient Boosting Semi-supervisionato XGBoost semi-supervisionato Modello Sequence-to-Sequence SHAP (SHapley Additive exPlanations)Stacking Discesa del Gradiente Stocastico (SGD)TextCNN Transformer (NLP)Apprendimento visivo contrastivo

Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →

Leggi il metodo completo

Method map

Fonti

Come citare questa pagina

Metodi correlati

Which method?

Citato da