Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) er en skalerbar tre-boostingsalgoritme introdusert av Tianqi Chen og Carlos Guestrin i 2016. Den bygger en sterk prediktor ved å legge til beslutningstrær etter ett, der hvert tre korrigerer feilene etterlatt av trærne før det, og er en kraftig prediksjonsmetode som er mye brukt i konkurranser.

Åpne i MethodMindSnartVideoSnartDownload slides

Les hele metoden

Kun for medlemmer

Logg inn med en gratis konto for å lese denne delen.

Logg inn

Method map

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

XGBoost

Beslutningstre Gradient Boosting Logistisk regresjon Random Forest Støttevektormaskin (klas…Aktiv læring med gradien…Active Learning LightGBM AdaBoost Oppmerksomhetsmekanisme Bagging (Bootstrap Aggre…

+62 more

Kilder

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

Slik siterer du denne siden

ScholarGate. (2026, June 1). XGBoost (Extreme Gradient Boosting). ScholarGate. https://scholargate.app/no/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.

BeslutningstreMaskinlæring↔ compare
Gradient BoostingMaskinlæring↔ compare
Logistisk regresjonForskningsstatistikk↔ compare
Random ForestMaskinlæring↔ compare
Støttevektormaskin (klassifisering)Maskinlæring↔ compare

Compare side by side →

Referert av

Aktiv læring med gradient boosting Active Learning LightGBM AdaBoost Oppmerksomhetsmekanisme Bagging (Bootstrap Aggregating)Bayesisk Boosting Bayesian LightGBM Bayesian XGBoost BERT finjustering Toveis RNN Boosting CatBoost CNN bildeklassifisering Konvolusjonelt nevralt nettverk (klassifisering)Kredittscoring (Scorecards, WoE/IV)Beslutningstre Dyp forsterkningslæring Dilatert CNN Ensemble Gradient Boosting Forklarbar beslutningstre Forklarbare Ekstra Trær Forklarbar gradientforsterkning Forklarbar LightGBM Explainable Random Forest Forklarbar stabling-ensemble Forklarbar XGBoost Ekstra trær GPT finjustering Gradient Boosting Graph Attention Network Grafnevrale nettverk Gated Recurrent Unit (GRU)Kunnskapsdestillasjon LightGBM Longformer / BigBird LoRA og PEFT LSTM Blanding av eksperter Flerlagsperseptron (MLP)Flerlagsperseptron (MLP)Nevral arkitektursøk Neural ODE Online Gradient Boosting Random Forest Regularisert Boosting Regularisert CatBoost Regulert gradient-boosting Regularisert LightGBM Robust Boosting Robust Gradient Boosting Robust LightGBM Robust Random Forest Robust Stacking Ensemble Robust XGBoost Multi-hode selvoppmerksomhet Selv-supervisert Boosting Selvveiledet gradient-boosting Selv-supervisert LightGBM Selv-supervisert tilfeldig skog Selvveiledet stablingensemble Semi-supervised Boosting Semi-supervised Gradient Boosting Semi-supervised XGBoost Sekvens-til-sekvens-modellen (Seq2Seq)SHAP (SHapley Additive exPlanations)Stacking Stokastisk gradientnedstigning (SGD)TextCNN Transformer (NLP)Visuell kontrastiv læring

Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →

Les hele metoden

Method map

Kilder

Slik siterer du denne siden

Relaterte metoder

Which method?

Referert av