As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Como funciona o SageMaker algoritmo AI XGBoost
O XGBoost é uma conhecida e eficiente implantação de código aberto do algoritmo baseado em árvores com gradient boosting. O aumento de gradiente é um algoritmo de aprendizado supervisionado, que tenta prever com precisão uma variável de destino. Para isso, combina as estimativas de um conjunto de modelos mais simples e mais fracos.
No uso do aumento de gradiente para regressão, as aprendizagens fracas são árvores de regressão, e cada árvore de regressão mapeia um ponto de dados de entrada para uma das folhas que contém uma pontuação contínua. O XGBoost minimiza uma função objetiva (L1 e L2) regularizada que combina uma função de perda convexa (com base na diferença entre o previsto e as saídas de destino) com um termo de penalidade para complexidade de modelo (em outras palavras, as funções da árvore de regressão). O treinamento prossegue iterativamente, adicionando novas árvores que preveem resíduos ou erros de árvores anteriores, com as quais são combinadas para fazer a predição final. É chamado de aumento de gradiente porque usa um algoritmo descendente de gradiente para minimizar a perda quando novos modelos são adicionados.
Abaixo está uma breve ilustração de como funciona o aumento de gradiente da árvore.
Para obter mais detalhes sobre o XGBoost, consulte os seguintes artigos (em inglês):
