XGBoost

XGBoost est une implémentation d'arbres de décision à gradient boosté conçue pour être rapide et performant. Gradient Boosting est un algorithme d'apprentissage supervisé qui tente de prédire avec précision une variable cible en combinant les estimations d'un ensemble de modèles simples et plus faibles. Il est utilisé avec des données structurées ou tabulaires. Il a été créé à partir des recherches de l'auteur sur les variantes de tree boosting en combinant des arbres boostés avec un champ aléatoire conditionnel. Il est devenu populaire lorsque l'auteur a décidé d'essayer le Higgs Boson Challenge sur Kaggle et qu'il s'est retrouvé 1er du classement.

Articles associés

Canada - Maroc - France

International locations

10 rue de la Kasbah
2393 Rabbat
Canada

Nous sommes une équipe passionnée par l'Open Source, le Big Data et les technologies associées telles que le Cloud, le Data Engineering, la Data Science le DevOps…

Nous fournissons à nos clients un savoir faire reconnu sur la manière d'utiliser les technologies pour convertir leurs cas d'usage en projets exploités en production, sur la façon de réduire les coûts et d'accélérer les livraisons de nouvelles fonctionnalités.

Si vous appréciez la qualité de nos publications, nous vous invitons à nous contacter en vue de coopérer ensemble.