Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) este un algoritm scalabil de amplificare a arborilor (tree-boosting) introdus de Tianqi Chen și Carlos Guestrin în 2016. Acesta construiește un predictor puternic adăugând arbori de decizie unul câte unul, fiecare corectând erorile lăsate de arborii anteriori, și este o metodă de predicție puternică, utilizată pe scară largă în competiții.

Deschide în MethodMindÎn curândVideoÎn curândDownload slides

Citește metoda completă

Doar pentru membri

Autentifică-te cu un cont gratuit pentru a citi această secțiune.

Autentificare

Method map

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

XGBoost

Arbore de decizie Gradient Boosting Regresia Logistică Pădurea Aleatoare (Rando…Mașina cu Vectori Suport…Gradient Boosting cu Înv…LightGBM cu Învățare Act…AdaBoost Mecanismul de atenție Bagging (Agregare Bootst…

+62 more

Surse

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

Cum se citează această pagină

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

Arbore de decizieÎnvățare automată↔ compare
Gradient BoostingÎnvățare automată↔ compare
Regresia LogisticăStatistică pentru cercetare↔ compare
Pădurea Aleatoare (Random Forest)Învățare automată↔ compare
Mașina cu Vectori Suport (Clasificare)Învățare automată↔ compare

Compare side by side →

Citat de

Gradient Boosting cu Învățare Activă LightGBM cu Învățare Activă AdaBoost Mecanismul de atenție Bagging (Agregare Bootstrap)Boosting Bayesian LightGBM Bayesian XGBoost bayesian Reglajul fin BERT RNN bidirecțional Boosting CatBoost Clasificarea imaginilor cu rețele neuronale convoluționale (CNN)Rețea Neuronală Convoluțională (Clasificare)Scoring de credit (Scorecards, WoE/IV)Arbore de decizie Învățare prin consolidare profundă CNN dilatată Gradient Boosting de Ansamblu Arbore de decizie explicabil Extra Trees Explicabile Gradient Boosting Explicabil LightGBM Explicabil Pădurea Aleatorie Explicabilă Ansamblu de stivuire explicabil XGBoost Explicabil Extra Trees Ajustarea fină a modelelor GPT Gradient Boosting Rețeaua de Atenție Grafică Rețea Neuronală pe Grafuri Unitate Recurentă Gated (GRU)Distilarea cunoștințelor LightGBM Longformer / BigBird LoRA și PEFT LSTM Amestec de Experți Perceptron multistrat (MLP)Perceptron multistrat (MLP)Căutarea Arhitecturilor Neuronale ODE-uri neuronale Boosting de Gradient Online Pădurea Aleatoare (Random Forest)Boosting Regularizat CatBoost Regularizat aplică controale explicite de regularizare Gradient Boosting Regularizat LightGBM Regularizat Boosting Robust (Robust Boosting)Gradient Boosting Robust Robust LightGBM Robust Random Forest Ansamblu Robust de Stivuire XGBoost Robust Atenție Multi-Capete (Multi-Head Self-Attention)Boostare auto-supervizată Gradient Boosting auto-supervizat LightGBM auto-supervizat Random Forest Auto-supervizat Self-supervised Stacking Ensemble Semi-supervised Boosting Gradient Boosting Semi-supervizat XGBoost semi-supervizat Model Secvență-la-Secvență SHAP (SHapley Additive exPlanations)Stacking Descrierea algoritmului de optimizare Gradient Descent Stocastic (SGD)TextCNN Transformer (NLP)Învățare vizuală contrastivă

Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →

Citește metoda completă

Method map

Surse

Cum se citează această pagină

Metode înrudite

Which method?

Citat de