Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Come funziona l' SageMaker algoritmo AI XGBoost
XGBoost è un'implementazione open source popolare ed efficiente dell'algoritmo degli alberi di gradient boosting. Il gradient boosting è un algoritmo di apprendimento supervisionato che tenta di prevedere con precisione una variabile di destinazione combinando le stime di un insieme di modelli più semplici e deboli.
Quando per la regressione si utilizza il potenziamento da parte del gradiente, i learner deboli sono gli alberi di regressione, ciascuno dei quali mappa un punto dei dati di input a una delle sue foglie che contiene un punteggio continuo. XGBoost riduce al minimo una funzione oggettiva regolarizzata (L1 e L2) che combina una funzione di perdita convessa (basata sulla differenza tra gli output previsto e di destinazione) e un termine di penalità della complessità del modello (in altre parole, le funzioni dell'albero di regressione). L’addestramento procede in modo iterativo, aggiungendo nuovi alberi che prevedono i valori residuali o gli errori degli alberi antecedenti, che vengono quindi combinati con gli alberi precedenti per la previsione finale. Questa tecnica viene chiamata gradient boosting (potenziamento del gradiente) poiché utilizza un algoritmo di discesa del gradiente per ridurre al minimo le perdite durante l'aggiunta di nuovi modelli.
Di seguito è riportata una breve illustrazione di come funziona il potenziamento degli alberi da parte del gradiente.
Per ulteriori informazioni sull'algoritmo XGBoost, consulta:
