2.4.9
XGBoost
Ringkasan
- asumsi metode dan konteks penggunaan yang tepat.
- kriteria objektif dan pengaruhnya pada perilaku model.
- keputusan implementasi dan validasi untuk hasil stabil.
Intuisi #
Metode ini dipahami lewat asumsi dasarnya, karakteristik data, dan dampak pengaturan parameter terhadap generalisasi.
Penjelasan Rinci #
XGBoost (eXtreme Gradient Boosting) adalah implementasi gradient boosting yang menekankan regularisasi dan kecepatan. Fitur seperti penanganan missing value, optimasi pohon, dan pelatihan paralel membuatnya populer di kompetisi maupun produksi.