XGBoost

XGBoost (eXtreme Gradient Boosting) هي خوارزمية تعلم آلي جماعية تم تطويرها في عام 2016 بواسطة Tianqi Chen وKailong Chen وCarlos Guestrin. وهو يعتمد على تعزيز التدرج، وهي تقنية تعلم جماعية لزيادة دقة النماذج التنبؤية.

يُستخدم XGBoost بشكل أساسي في تطبيقات التعلم الآلي الخاضعة للإشراف، مثل التصنيف والانحدار. تعمل الخوارزمية عن طريق أخذ مجموعات البيانات والجمع بين المتعلمين الضعفاء لتشكيل نماذج تنبؤية قوية. فهو يرسل كل متعلم ضعيف عبر سلسلة من التكرارات، ويتعلم باستمرار من الأخطاء ويحسن دقته.

أصبح XGBoost شائعًا بشكل متزايد نظرًا لأدائه الفائق وقابلية التوسع مقارنة بخوارزميات التعلم الآلي الأخرى. يتميز بالتنفيذ السريع، وهو معروف بتوازيه وقدرته على التعامل مع مجموعات البيانات الكبيرة. وهو معروف أيضًا بميزته الرائعة المتمثلة في السماح بالتوقف المبكر، والتي يمكن استخدامها لتحديد أفضل عدد من التكرارات تلقائيًا.

يتم اعتماد XGBoost على نطاق واسع في الصناعة، حيثما تكون هناك حاجة إلى نماذج تنبؤية دقيقة. لقد ثبت أنه يعمل بشكل جيد في مجموعة واسعة من المهام بما في ذلك التعرف على الأرقام المكتوبة بخط اليد، ومعالجة اللغة الطبيعية، واكتشاف الأدوية، ورؤية الكمبيوتر. كما أنها تستخدم عادة في مجالات مثل التمويل والاقتصاد والرعاية الصحية.

أصبح XGBoost خيارًا شائعًا بين علماء البيانات نظرًا لدقته وسرعته ومرونته. إنه يحظى بالاهتمام بسرعة باعتباره أحد أفضل النماذج التنبؤية لتطبيقات التعلم الآلي.