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 schiaccianti per la maggior parte degli utenti, quindi il nodo XGBoost Tree in watsonx.ai espone le funzioni principali e i parametri comunemente utilizzati. Il nodo è implementato in Python.
Per ulteriori informazioni sugli algoritmi di boosting, consultare Esercitazioni XGBoost. 1
La funzione di convalida incrociata XGBoost non è supportata in watsonx.ai. È possibile utilizzare il nodo Partizione per questa funzionalità. Si noti inoltre che XGBoost in watsonx.ai esegue automaticamente la codifica one - hot per le variabili categoriali.
1 "Supporti didattici XGBoost Boosting gradiente scalabile e flessibile. Web. © 2015-2016 DMLC.