XG增压

XGBoost是一个优化的分布式梯度提升库,旨在高效、灵活和便携。在梯度Boosting框架下实现了机器学习算法。XGBoost提供了一种并行树boosting(也称为GBDT,GBM),可以快速准确地解决许多数据科学问题。同样的代码运行在主要的分布式环境(Hadoop、SGE、MPI)上,可以解决数十亿个示例之外的问题


zbMATH参考文献(49篇文章引用)

显示第1到第20个结果,共49个。
按年份排序(引用)
  1. Richard A.伯克:回归视角下的统计学习(2020)
  2. Boehmke,Brad;Greenwell,Brandon M.:使用R进行实际操作的机器学习(2020)
  3. 科奎特,纪尧姆;吉达,托尼:尾部训练树与投资组合选择的应用(2020年)
  4. Gubela,Robin M.;Lessmann,Stefan;Jaroszewicz,Szymon:收入提升模型的响应转换和利润分解(2020)
  5. Han,Sunwoo;Kim,Hyunjoung;Lee,Yung Seop:双随机森林(2020)
  6. 黄世峰;郭美辉;陈美茹:基于函数时间序列方法的股市趋势预测(2020)
  7. 哈拉特,塔拉克;麦克海尔,伊恩G.;培尼亚,哈维尔·洛佩斯:足球运动员加减评分(2020年)
  8. 陆海浩;马祖德,拉胡尔:随机梯度推进机(2020)
  9. Mahajan,Pravar Dilip;Maurya,Abhinav;Megahed,Aly;Elwany,Alaa;Strong,Ray;Blomberg,Jeanette:用于可操作收入变化预测的不平衡数据集的预测精度优化(2020年)
  10. 里沃利,阿德里亚诺;里德,杰西;索亚雷斯,卡洛斯;普法林格,伯恩哈德;德卡瓦略,安德烈:多标签学习的二进制转换策略和基本算法的实证分析(2020)
  11. Ros,Frédéric;Guillaume,Serge:从监督实例和特征选择算法到双重选择:回顾(2020)
  12. Ruehle,Fabian:数据科学在弦理论中的应用(2020)
  13. Sage Hahn,Dekang Yuan,Wesley Thompson,Max M Owens,Nicholas Allgaier,Hugh Garavan:大脑可预测性工具箱:基于神经成像的机器学习Python库(2020)阿尔十四
  14. Sambasivan,Rajiv;Das,Sourish;Sahu,Sujit K.:大数据统计机器学习的贝叶斯视角(2020)
  15. Sandeep Singh Sandha,Mohit Aggarwal,Igor Fedorov,Mani Srivastava:MANGO:A Python Library for Parallel Hyperparameter调优(2020)阿尔十四
  16. Shah,Rajen D.;Peters,Jonas:条件独立性检验的硬度和广义协方差测度(2020)
  17. Tomita,Tyler M.;Browne,James;Shen,Cencheng;Chung,Jaewon;Patsolic,Jesse L.;Falk,Benjamin;Priebe,Carey E.;Yim,Jason;Burns,Randal;Maggioni,Mauro;Vogelstein,Joshua T.:稀疏投影斜随机化森林(2020)
  18. van Engelen,Jesper E.;Hoos,Holger H.:半监督学习调查(2020)
  19. 文泽义;刘汉峰;施佳帅;李沁斌;何炳生;陈健:迅雷GBM:GPU上的快速GBDTs和随机森林(2020)
  20. Daniel Berrar;Philippe Lopes;Dubitzky,Werner:将领域知识纳入机器学习,以实现足球结果预测(2019年)