XGBoost Teguh

XGBoost Teguh menggabungkan rangka kerja peningkatan kecerunan (gradient boosting) yang berskala bagi XGBoost dengan fungsi kerugian (loss function) yang teguh — terutamanya kerugian Huber atau variannya — untuk menghasilkan satu ensemble pokok (tree ensemble) yang ditingkatkan kecerunannya yang menahan pengaruh songsang daripada nilai luar (outlier). Dengan menggantikan objektif ralat kuasa dua (squared-error) dengan kerugian yang mengurangkan pemberat baki (residual) yang besar, model ini memberikan ramalan yang boleh dipercayai pada sasaran selanjar (continuous targets) walaupun data latihan mengandungi nilai ekstrem atau hingar label (label noise).