Vysvetliteľný XGBoost
Vysvetliteľný XGBoost spája vysokú prediktívnu presnosť gradientovo zosilnených stromov XGBoost s hodnotami SHAP (SHapley Additive exPlanations), aby bola každá predikcia plne auditovateľná. Výsledkom je model, ktorý zodpovedá alebo prevyšuje neurónové siete na tabuľkových dátach, pričom ponúka teoreticky podložené atribúcie príznakov na predikciu, ktoré spĺňajú požiadavky vedeckej transparentnosti aj regulačných predpisov.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Lundberg, S. M., Erion, G., Chen, H., DeGrave, A., Prutkin, J. M., Nair, B., Katz, R., Himmelfarb, J., Bansal, N., & Lee, S.-I. (2020). From local explanations to global understanding with explainable AI for trees. Nature Machine Intelligence, 2(1), 56–67. DOI: 10.1038/s42256-019-0138-9 ↗
- Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Explainable XGBoost (XGBoost with SHAP-based Interpretability). ScholarGate. https://scholargate.app/sk/machine-learning/explainable-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.
- Vysvetliteľné zosilnenie gradientuStrojové učenie↔ compare
- Explainable LightGBMStrojové učenie↔ compare
- Explainable Random ForestStrojové učenie↔ compare
- Gradient BoostingStrojové učenie↔ compare
- Náhodný lesStrojové učenie↔ compare
- XGBoostStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →