XGBoost

엑스지부스트

결정 트리 기반 gradient boosting 알고리즘을 구현한 오픈소스 라이브러리로, 표 데이터 예측에 널리 쓰인다.

기사 1편최근 언급

XGBoost(eXtreme Gradient Boosting)는 결정 트리를 순차적으로 더해 예측 오차를 줄이는 gradient boosting 알고리즘을 구현한 오픈소스 machine learning 라이브러리다. 워싱턴 대학교의 Tianqi Chen이 개발해 2014년 공개했으며, 정규화, 병렬 처리, 결측값 처리를 더해 속도와 정확도를 높였다. Python, R, Java, C++ 등에서 쓸 수 있다.

Kaggle 같은 데이터 과학 경진대회에서 우승 모델에 자주 쓰이며 널리 알려졌고, 분류·회귀·순위 예측 등 표 데이터 과제의 기본 도구로 자리 잡았다. LightGBM, CatBoost와 함께 gradient boosting 라이브러리의 대표로 꼽힌다.

이 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리했습니다. 잘못된 내용이 있으면 정정 요청으로 알려 주세요.

이 항목을 다룬 기사

  • NVIDIA Agent Toolkit, 모델 대신 harness를 고치는 이유AI 뉴스 ·

    지금까지 데이터 과학자는 예측 과제마다 XGBoost나 LightGBM으로 별도 pipeline을 만들었습니다.

    기사 읽기

설명이 잘못되었거나 찾는 항목이 없나요?

위키 설명은 AIPOST 기사와 널리 알려진 사실을 바탕으로 정리합니다. 잘못된 설명은 정정 요청으로 알려 주시면 확인해 고칩니다. 새 기사에 나온 이름은 기사가 올라온 뒤 위키에 더해집니다.