SageMaker AI XGBoost 演算法的運作方式

XGBoost 為一款熱門的有效率梯度提升樹演算法開放原始碼實作。梯度提升是受監管的學習演算法，會藉由結合一組較簡單、較脆弱的模型預估值來嘗試精確預測目標變數。

使用梯度提升進行迴歸時，較弱的學習者是迴歸樹，而每個迴歸樹都會將輸入資料點映射到包含連續分數的其中一個樹葉。XGBoost 會將標準化 (L1 and L2) 目標函式最小化，結合凸面遺失函式 (根據預測與目標輸出間的差異) 以及模型複雜度的懲罰詞彙 (也就是回歸樹函式)。訓練將反覆執行，加入預測舊樹的殘差或錯誤的新樹狀，接著將舊樹與新樹結合以執行最終預測。這便稱為梯度提升，因為它使用梯度下降演算法來降低新增模型時造成的遺失。

下面是關於梯度樹提升如何運作的簡要說明。

如需 XGBoost 的詳細資訊，請參閱：

• XGBoost：可擴展的樹提升系統

• 梯度樹提升

• 提升樹簡介