0 / 0
Torna alla versione inglese della documentazione
nodo XGBoost Tree
Ultimo aggiornamento: 22 nov 2024
Origini dati supportate (SPSS Modeler)

XGBoost Tree© rappresenta un'implementazione avanzata di un algoritmo gradient boosting con un modello struttura ad albero come modello di base. Gli algoritmi Boosting rilevano in modo interattivo i classificatori deboli e li aggiungono ai classificatori forti finali. XGBoost Tree è molto flessibile e fornisce molti parametri che possono essere eccessivi per la maggior parte degli utenti, quindi il nodo XGBoost Tree in 'watsonx.ai Studio espone le caratteristiche principali e i parametri comunemente usati. Il nodo è implementato in Python.

Per ulteriori informazioni sugli algoritmi di boosting, consultare Esercitazioni XGBoost. 1

Si noti che la funzione di convalida incrociata XGBoost non è supportata in 'watsonx.ai Studio. È possibile utilizzare il nodo Partizione per questa funzionalità. Si noti inoltre che XGBoost in 'watsonx.ai Studio esegue automaticamente la codifica one-hot per le variabili categoriche.

1 "Supporti didattici XGBoost Boosting gradiente scalabile e flessibile. Web. © 2015-2016 DMLC.

Ricerca e risposta AI generativa
Queste risposte sono generate da un modello di lingua di grandi dimensioni in watsonx.ai basato sul contenuto della documentazione del prodotto. Ulteriori informazioni