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(参考 62篇文章 参考)

显示第1到第20个结果,共62个。
按年份排序(引用)
  1. 丁晨晨;韩海涛;李倩月;杨晓霞;刘太刚:iT3SE-PX:利用PSSM谱和XGBoost特征选择识别细菌III型分泌效应器(2021)
  2. 赵岳,智巧,曹晓,卢卡斯·格拉斯,孙继蒙:PyHealth:一个用于健康预测模型的Python库(2021)阿尔十四
  3. 张丹;陈华东;祖菲卡,哈桑;袁世石;黄勤来;张,赵越;邓克军:基于XGBoost的生物发光蛋白识别预测因子(2021)
  4. David Benkeser;Petersen,Maya;van der Laan,Mark J.:非线性交叉验证预测指标的改进小样本估计(2020年)
  5. Richard A.伯克:回归视角下的统计学习(2020)
  6. Boehmke,Brad;Greenwell,Brandon M.:使用R进行实际操作的机器学习(2020)
  7. Joseph布洛克;Alexandra Lucconi;Pham,Katherine Hoffman;Lam,Cynthia Sin Nga;Luengo Oroz,Miguel:根据COVID-19绘制人工智能应用的前景(2020年)
  8. 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)
  9. Gauthier,Thibault:HOL4的树神经网络(2020)
  10. Gubela,Robin M.;Lessmann,Stefan;Jaroszewicz,Szymon:收入提升模型的响应转换和利润分解(2020)
  11. Gweon,Hyukjun;Li,Shu;Mamon,Rogemar:大型可变年金投资组合估值的有效偏差修正套袋法(2020)
  12. Han,Sunwoo;Kim,Hyunjoung;Lee,Yung Seop:双随机森林(2020)
  13. 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)
  14. Hubert Baniecki,Wojciech Kretowicz,Piotr Piatyszek,Jakub Wisniewski,Przemyslaw Biecek:dalex:负责任的机器学习,在Python中具有交互式可解释性和公平性(2020)阿尔十四
  15. 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)
  16. 李炳林;杨子轩;张,星;何国伟;邓冰青;沈,莲:用机器学习检测圆柱绕流湍流区域(2020)
  17. 陆海浩;马祖德,拉胡尔:随机梯度推进机(2020)
  18. 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)
  19. Mišić,Velibor V.:树木组合优化(2020年)
  20. 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)