XGBoost Tree est une implémentation avancée d'un algorithme de boosting de gradient qui utilise un modèle d'arbre comme modèle de base. Les algorithmes de boosting forment les classificateurs faibles de manière itérative et les ajoutent ensuite à un classificateur fort final. XGBoost Tree est très flexible et fournit de nombreux paramètres qui peuvent être très importants pour la plupart des utilisateurs. Par conséquent, le noeud XGBoost Tree de watsonx.ai expose les fonctions de base et les paramètres couramment utilisés. Le noeud est mis en oeuvre en Python.
Pour plus d'informations sur les algorithmes de boosting, voir les tutoriels de XGBoost. 1
Notez que la fonction de validation croisée XGBoost n'est pas prise en charge dans watsonx.ai. Vous pouvez utiliser le noeud Partitionner pour cette fonctionnalité. Notez également que XGBoost dans watsonx.ai effectue automatiquement un codage one-hot pour les variables catégorielles.
1 « Tutoriels XGBoost. » Scalable and Flexible Gradient Boosting. Relations. © 2015-2016 DMLC.