Machine learning

XGBoost

XGBoost (Extreme Gradient Boosting) là một thuật toán tăng cường cây có khả năng mở rộng được giới thiệu bởi Tianqi Chen và Carlos Guestrin vào năm 2016. Nó xây dựng một bộ dự báo mạnh mẽ bằng cách thêm các cây quyết định lần lượt, mỗi cây sửa lỗi còn lại từ các cây trước đó, và là một phương pháp dự báo mạnh mẽ được sử dụng rộng rãi trong các cuộc thi.

Mở trong MethodMindSắp ra mắtVideoSắp ra mắtDownload slides

Đọc toàn bộ phương pháp

Chỉ dành cho thành viên

Đăng nhập bằng tài khoản miễn phí để đọc phần này.

Đăng nhập

Method map

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

XGBoost

Cây Quyết định Gradient Boosting Hồi quy Logistic Rừng ngẫu nhiên Máy Vectơ Hỗ trợ (Phân l…Gradient Boosting Học Ch…LightGBM Học Chủ Động AdaBoost Cơ chế chú ý (Attention…Bagging (Bootstrap Aggre…

+62 more

Nguồn tài liệu

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

Cách trích dẫn trang này

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

Cây Quyết địnhHọc máy↔ compare
Gradient BoostingHọc máy↔ compare
Hồi quy LogisticThống kê nghiên cứu↔ compare
Rừng ngẫu nhiênHọc máy↔ compare
Máy Vectơ Hỗ trợ (Phân loại)Học máy↔ compare

Compare side by side →

Được tham chiếu bởi

Gradient Boosting Học Chủ Động LightGBM Học Chủ Động AdaBoost Cơ chế chú ý (Attention Mechanism)Bagging (Bootstrap Aggregating)Tăng cường Bayes Bayesian LightGBM XGBoost Bayes Tinh chỉnh BERT RNN hai chiều Boosting CatBoost Phân loại ảnh bằng CNN Mạng nơ-ron tích chập (Phân loại)Chấm điểm tín dụng (Thẻ điểm, WoE/IV)Cây Quyết định Học tăng cường sâu CNN giãn nở Gradient Boosting Cây quyết định giải thích được Extra Trees có thể Giải thích Gradient Boosting Giải thích được LightGBM Có Thể Giải Thích Rừng ngẫu nhiên có thể giải thích Explainable Stacking Ensemble XGBoost có thể giải thích Extra Trees Tinh chỉnh GPT Gradient Boosting Mạng Hồi quy Đồ thị (Graph Attention Network - GAT)Mạng nơ-ron đồ thị Mạng nơ-ron tái phát có cổng (Gated Recurrent Unit - GRU)Chưng cất tri thức LightGBM Longformer / BigBird LoRA và PEFT LSTM Mixture of Experts Perceptron đa lớp (MLP)Multilayer Perceptron (MLP)Tìm kiếm Kiến trúc Mạng Nơ-ron Neural ODE Gradient Boosting Trực tuyến Rừng ngẫu nhiên Tăng cường có điều chuẩn hóa CatBoost Chính quy hóa Tăng cường Gradient Chính quy hóa LightGBM Chính quy hóa Robust Boosting Khuếch đại Gradient Mạnh mẽ Robust LightGBM Rừng Ngẫu nhiên Mạnh mẽ Robust Stacking Ensemble XGBoost Mạnh mẽ Tự chú ý đa đầu Tăng cường tự giám sát Tăng cường Gradient Tự giám sát LightGBM tự giám sát Rừng Ngẫu nhiên Tự giám sát Self-supervised Stacking Ensemble Semi-supervised Boosting Tăng cường Gradient bán giám sát XGBoost bán giám sát Mô hình Sequence-to-Sequence (Seq2Seq)SHAP (SHapley Additive exPlanations)Stacking Tối ưu hóa Gradient Ngẫu nhiên (Stochastic Gradient Descent - SGD)TextCNN Transformer (NLP)Học tương phản hình ảnh

Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →

Đọc toàn bộ phương pháp

Method map

Nguồn tài liệu

Cách trích dẫn trang này

Phương pháp liên quan

Which method?

Được tham chiếu bởi