Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) is een schaalbaar boom-versterkend algoritme, geïntroduceerd door Tianqi Chen en Carlos Guestrin in 2016. Het bouwt een sterke voorspeller door sequentieel beslissingsbomen toe te voegen, waarbij elke boom de fouten van de voorgaande bomen corrigeert. Het is een krachtige voorspellingsmethode die veelvuldig wordt gebruikt in competities.

Openen in MethodMindBinnenkortVideoBinnenkortDownload slides

Lees de volledige methode

Alleen voor leden

Inloggen

Method map

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

XGBoost

Beslisboom Gradient Boosting Logistische Regressie Random Forest Support Vector Machine (…Actief Leren met Gradiën…Actief Leren LightGBM AdaBoost Attention Mechanism Bagging (Bootstrap Aggre…

+62 more

Bronnen

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

Deze pagina citeren

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

BeslisboomMachine learning↔ compare
Gradient BoostingMachine learning↔ compare
Logistische RegressieOnderzoeksstatistiek↔ compare
Random ForestMachine learning↔ compare
Support Vector Machine (Classificatie)Machine learning↔ compare

Compare side by side →

Geciteerd door

Actief Leren met Gradiëntversterking Actief Leren LightGBM AdaBoost Attention Mechanism Bagging (Bootstrap Aggregating)Bayesiaanse Boosting Bayesian LightGBM Bayesiaanse XGBoost BERT Fine-Tuning Bidirectionele RNN Boosting CatBoost CNN Beeldclassificatie Convolutional Neural Network (Classificatie)Credit Scoring (Scorecards, WoE/IV)Beslisboom Diepgaand bekrachtigingsleren Dilated CNN Ensemble Gradient Boosting Uitlegbare Beslisboom Uitlegbare Extra Trees Explainable Gradient Boosting Explainable LightGBM Uitlegbare Random Forest Explainable Stacking Ensemble Explainable XGBoost Extra Trees GPT Fine-Tuning Gradient Boosting Graph Attention Network GraafNeuraal Netwerk Gated Recurrent Unit (GRU)Kennisdestillatie LightGBM Longformer / BigBird LoRA en PEFT LSTM Mixture of Experts Meerlaags Perceptron (MLP)Multilayer Perceptron (MLP)Neural Architecture Search Neurale ODE Online Gradient Boosting Random Forest Geregulariseerde Boosting Regularized CatBoost Reguliere Gradient Boosting Geregulariseerd LightGBM Robust Boosting Robuuste Gradient Boosting Robuuste LightGBM Robuuste Random Forest Robuust Stacking Ensemble Robuuste XGBoost Multi-Head Self-Attention Zelfgesuperviseerd Boosten Zelf-gesuperviseerde Gradient Boosting Zelf-gesuperviseerde LightGBM Zelf-gesuperviseerd Random Forest Zelf-gesuperviseerd Stacking Ensemble Semi-supervised Boosting Semi-gesuperviseerd Gradiëntversterking Semi-supervised XGBoost Sequence-to-Sequence Model SHAP (SHapley Additive exPlanations)Stacking Stochastische Gradiëntdaling (SGD)TextCNN Transformer (NLP)Visueel contrastief leren

Een fout op deze pagina gezien? Meld het of stel een correctie voor →

Lees de volledige methode

Method map

Bronnen

Deze pagina citeren

Verwante methoden

Which method?

Geciteerd door