Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) është një algoritëm i përshtatshëm për rritjen e pemëve (tree-boosting) i prezantuar nga Tianqi Chen dhe Carlos Guestrin në vitin 2016. Ai ndërton një parashikues të fortë duke shtuar pemë vendimmarrëse një nga një, ku secila korrigjon gabimet e lëna nga pemët paraardhëse, dhe është një metodë e fuqishme parashikimi e përdorur gjerësisht në konkurse.

Hapeni në MethodMindSë shpejtiVideoSë shpejtiDownload slides

Lexoni metodën e plotë

Vetëm për anëtarët

Hyni me një llogari falas për ta lexuar këtë seksion.

Hyni

Method map

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

XGBoost

Pemët e vendimmarrjes Përmbledhja me Gradient…Regresioni logjistik Pylli i Rastësishëm Makineria e Vektorëve Mb…Gradient Boosting Aktiv…LightGBM me Mësim Aktiv AdaBoost Mekanizmi i vëmendjes Bagim (Agregimi Bootstra…

+62 more

Burimet

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

Si ta citoni këtë faqe

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

Pemët e vendimmarrjesMësimi i makinës↔ compare
Përmbledhja me Gradient (Gradient Boosting)Mësimi i makinës↔ compare
Regresioni logjistikStatistika e hulumtimit↔ compare
Pylli i RastësishëmMësimi i makinës↔ compare
Makineria e Vektorëve Mbështetës (Klasifikimi)Mësimi i makinës↔ compare

Compare side by side →

Cituar nga

Gradient Boosting Aktiv Aprendimi LightGBM me Mësim Aktiv AdaBoost Mekanizmi i vëmendjes Bagim (Agregimi Bootstrap)Nxitja Bajeziane (Bayesian Boosting)LightGBM Bajezian XGBoost Bajezian Përshtatja e BERT RNN-i Bidireksional Boosting CatBoost Klasifikimi i imazheve me CNN Rrethi nervor konvolucional (Klasifikim)Kreditimi (Skedat rezultative, WoE/IV)Pemët e vendimmarrjes Mësimi i thellë i përforcuar CNN e zgjeruar Përforcimi i Gradientit Ensemble Pemëtues i Vendimeve të Shpjegueshme Extra Trees i Shpjegueshëm Gradient Boosting i Shpjegueshëm LightGBM e Shpjegueshme Pyllë i Rastësueshëm i Shpjegueshëm Shtresimi Shpjegues (Explainable Stacking Ensemble)XGBoost i Shpjegueshëm Extra Trees Përsosja e GPT (GPT Fine-Tuning)Përmbledhja me Gradient (Gradient Boosting)Rrjeti me Vëmendje Grafike Rrjeti Neurale i Grafëve Njësia e përsëritur e portës (GRU)Distilimimi i Njohurive LightGBM Longformer / BigBird LoRA dhe PEFT LSTM Përzierje Ekspertësh Perceptroni me shtresa të shumta (MLP)Perceptroni Shumështresor (MLP)Kërkimi i Arkitekturës Neurale ODE Neurale Gradient Boosting Online Pylli i Rastësishëm Përforcimi i Rregulluar CatBoost i Rregulluar Përforcimi i Gradientit të Rregulluar LightGBM i rregulluar Nxitja Robuste Përmirësimi i Pjerrëtuesit të Fortë LightGBM i Qëndrueshëm Pylli i Rastësishëm Robust (Robust Random Forest)Stacking Robust (Robust Stacking Ensemble)XGBoost i Fortë Vetë-vëmendja me shumë koka Përforcimi vetë-mbikëqyrës Gradient Boosting vetë-i-mbikëqyrur LightGBM i vetë-mbikëqyrur Pylli i rastësishëm i vetë-mbikëqyrur Vetë-mbikëqyrja e grumbulluar (Self-supervised Stacking Ensemble)Përforcimi gjysmë-mbikëqyrur Gradient Boosting gjysmë-i mbikëqyrur XGBoost gjysmë-i mbikëqyrur Modeli sekuencë-për-sekuencë SHAP (SHapley Additive exPlanations)Shtresimi Zbjarja e Gradientit Stokastik (SGD)TextCNN Transformer (NLP)Mësimi vizual kontrastiv

Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →

Lexoni metodën e plotë

Method map

Burimet

Si ta citoni këtë faqe

Metoda të lidhura

Which method?

Cituar nga