XGBoost

決定木ベースの勾配ブースティングを実装したオープンソースライブラリで、表形式データの予測に広く使われる。

記事1本最終言及

XGBoost(eXtreme Gradient Boosting)は、決定木を順次追加して予測誤差を減らす勾配ブースティングを実装したオープンソースの機械学習ライブラリである。ワシントン大学のTianqi Chenが開発し2014年に公開したもので、正則化、並列処理、欠損値処理を加えて速度と精度を高めている。Python、R、Java、C++などから利用できる。

Kaggleなどのデータサイエンス競技で優勝モデルに多用されたことで広く知られ、分類・回帰・ランキングなど表形式データのタスクにおける標準的なツールとなった。LightGBM、CatBoostとともに勾配ブースティングライブラリの代表格とされる。

この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。

この項目を扱った記事

  • NVIDIA Agent Toolkit発表、ハーネス改良で性能30%から100%にAIニュース ·

    対比されるのは従来の表形式データ向け機械学習スタックで、そこではデータサイエンスチームが予測タスクごとにXGBoostやLightGBMを使って別々のパイプラインを構築し、手作業の特徴量エンジニアリング、ETLジョブ、分類モデルと回帰モデルにまたがるベンチマークまで用意しなければなりません。

    記事を読む

説明の誤りや、見つからない項目はありますか?

事典の説明は、AIPOSTの記事と広く知られた事実をもとにまとめています。誤りは訂正依頼でお知らせいただければ、確認して修正します。新しい記事に登場した名前は、記事の公開後に事典に加わります。