기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

# SageMaker AI XGBoost 알고리즘의 작동 방식
<a name="xgboost-HowItWorks"></a>

[XGBoost](https://github.com/dmlc/xgboost)는 그라디언트 부스팅 트리 알고리즘에서 유명하고 효율적인 오픈 소스 구현입니다. 그라디언트 부스팅은 더욱 단순하고 약한 모델 세트의 추정치를 결합하여 대상 변수를 정확하게 예측하려 시도하는 지도 학습 알고리즘입니다.

회귀에 대해 [그라디언트 부스팅](https://en.wikipedia.org/wiki/Gradient_boosting)을 사용할 때 약한 학습기는 회귀 트리이고, 각 회귀 트리는 입력 데이터 지점을 여러 점수가 포함된 리프로 매핑합니다. XGBoost는 볼록 손실 함수(예측과 대상 결과의 차이를 기반으로 함)와 모델 복잡성의 벌점항(회귀 트리 함수)을 결합하는 정규화된(L1 및 L2) 객체 함수를 최소화합니다. 훈련은 반복적으로 진행되어 이전 트리의 잔차 또는 오류를 예측하는 새 트리를 추가하고 앞선 트리들과 결합하여 최종 예측을 생성합니다. 경사 하강 알고리즘을 사용하여 새 모델을 추가할 때 손실을 최소화하기 때문에 이를 그라디언트 부스팅이라고 합니다.

 아래는 그래디언트 트리 부스팅의 작동 방식에 대한 간략한 그림입니다.

![\[그라데이션 트리 부스팅을 보여주는 다이어그램입니다.\]](http://docs.aws.amazon.com/ko_kr/sagemaker/latest/dg/images/xgboost_illustration.png)


**XGBoost에 대한 자세한 정보는 다음을 참조하세요.**
+ [XGBoost: A Scalable Tree Boosting System](https://arxiv.org/pdf/1603.02754.pdf)
+ [그래디언트 트리 부스팅](https://www.sas.upenn.edu/~fdiebold/NoHesitations/BookAdvanced.pdf#page=380)
+ [Introduction to Boosted Trees](https://xgboost.readthedocs.io/en/latest/tutorials/model.html)