• 教師あり学習

XGBoostは機械学習で用いられるアンサンブル学習の一つであり、ブースティングと決定木を組み合わせた手法です。非常に高い精度を誇っており、ビジネスやコンペでよく活用されている手法ですが、他の手法に比べ学習に時間がかかることもあります。

手法について

XGBoostとは、ブースティングと決定木を組み合わせたアンサンブル学習の一つです。
ブースティングとは、作成したモデルでうまく予測できなかった箇所を学習データに重みをつけてさらにモデル学習することを繰り返し、作成した複数のモデルを組み合わせて予測することで性能を向上させる手法です。
勾配ブースティング回帰木では、浅い決定木を複数作成しブースティングを行うことで、モデルの性能を向上させることができます。

関連分析技術

ロジスティック回帰　リッジ回帰　重回帰分析　決定木　ランダムフォレスト　LightGBM　勾配ブースティング決定木

関連サービス

当社ではこのような機械学習・分析技術を活用した予測モデル、AIモデルの提供を行っています。

・無担保ローンニーズモデル
・メール配信ターゲット抽出モデル構築
・商品レコメンドモデル構築
・商品の需要予測
もっと見る　

採用情報

機械学習・分析技術で顧客の課題解決に貢献するデータサイエンティストとして働いてみませんか。
ぜひ採用ページもご覧ください。

• 教師あり学習