XGBoost Tree© to zaawansowana implementacja algorytmu wzmacniania gradientowego, który jako model bazowy wykorzystuje model drzewa. Algorytmy wzmacniania iteracyjnie ucząc się, wyznaczają słabe klasyfikatory i dodają je do ostatecznego silnego klasyfikatora. Drzewo XGBoost jest bardzo elastyczne i udostępnia wiele parametrów, które mogą być przytłaczające dla większości użytkowników, dlatego węzeł drzewa XGBoost w programie Watson Studio ujawnia podstawowe funkcje i powszechnie używane parametry. Węzeł jest zaimplementowany w języku Python.

Więcej informacji na temat algorytmów boostingu zawiera sekcja Kursy XGBoost. ¹

Należy zauważyć, że funkcja Cross-validation XGBoost nie jest obsługiwana w produkcie Watson Studio. Dla tej funkcji można użyć węzła Partycja. Należy również zauważyć, że program XGBoost w produkcie Watson Studio automatycznie wykonuje jedno-gorące kodowanie dla zmiennych kategorialnych.

¹ "XGBoost Tutorials." Scalable and Flexible Gradient Boosting. WWW. © 2015-2016 DMLC.