Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) — это масштабируемый алгоритм бустинга деревьев, представленный Тяньци Ченом и Карлосом Гестрином в 2016 году. Он строит сильный предсказатель, последовательно добавляя деревья решений, каждое из которых корректирует ошибки, допущенные предыдущими деревьями, и является мощным методом прогнозирования, широко используемым в соревнованиях.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

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

XGBoost

Дерево решений Градиентный бустинг Логистическая регрессия Случайный лес Метод опорных векторов (…Градиентный бустинг с ак…Активное обучение с Ligh…AdaBoost Механизм внимания Бэггинг (Бутстрэп-агреги…

+62 more

Источники

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

Как цитировать эту страницу

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

Дерево решенийМашинное обучение↔ compare
Градиентный бустингМашинное обучение↔ compare
Логистическая регрессияСтатистика исследований↔ compare
Случайный лесМашинное обучение↔ compare
Метод опорных векторов (классификация)Машинное обучение↔ compare

Compare side by side →

Упоминается в

Градиентный бустинг с активным обучением Активное обучение с LightGBM AdaBoost Механизм внимания Бэггинг (Бутстрэп-агрегирование)Байесовский бустинг Байесовский LightGBM Байесовский XGBoost Дообучение BERT Двунаправленная РНС Бустинг CatBoost Классификация изображений с помощью свёрточных нейронных сетей (CNN)Сверточная нейронная сеть (классификация)Кредитный скоринг (карты показателей, WoE/IV)Дерево решений Глубокое обучение с подкреплением Сверточная нейронная сеть с дилатацией Ансамблевый градиентный бустинг Объяснимое дерево решений Объяснимые Экстремальные Случайные Деревья Объяснимый градиентный бустинг Объяснимый LightGBM Объяснимый случайный лес Объяснимый ансамбль стекирования Объяснимый XGBoost Чрезвычайно случайные деревья Тонкая настройка GPT Градиентный бустинг Графовая сеть внимания (Graph Attention Network, GAT)Графовая нейронная сеть Управляемый рекуррентный блок (GRU)Дистилляция знаний LightGBM Longformer / BigBird LoRA и PEFT LSTM Смесь экспертов Многослойный перцептрон (MLP)Многослойный перцептрон (MLP)Нейросетевой поиск архитектур Нейронные ОДУ (Neural ODE)Онлайн градиентный бустинг Случайный лес Регуляризованный бустинг Регуляризованный CatBoost Регуляризованный градиентный бустинг Регуляризованный LightGBM Robust Boosting Robust Gradient Boosting Устойчивый LightGBM Robust Random Forest Робастное стекирование ансамблей Robust XGBoost Многоголовочное самовнимание Самообучающееся усиление Самообучающееся градиентное бустирование Self-supervised LightGBM Самообучающийся случайный лес Самообучающаяся стековая ансамблевая модель Полуавтоматическое бустирование (Semi-supervised Boosting)Полуавтоматический градиентный бустинг Полу-контролируемый XGBoost Модель «последовательность к последовательности»SHAP (SHapley Additive exPlanations)Стекинг Стохастический градиентный спуск (SGD)TextCNN Transformer (NLP)Визуальное контрастивное обучение

Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →

Читать метод полностью

Method map

Источники

Как цитировать эту страницу

Связанные методы

Which method?

Упоминается в