El estudio probó y comparó tres enfoques de modelos de ensamble—bagging (RF), boosting (XGBoost) y stacking (gcForest)—utilizando 25 factores ambientales y topográficos. El análisis determinó que la altitud, la distancia a los ríos y las residencias, y el uso del suelo son los elementos más influyentes en la ocurrencia de deslizamientos. #randomForest #XGBoost #boosting #stacking

xgboost #machinelearning #mathematics #dataanlysis #datascience #machinelearning

未来 AI 还需要人类吗？听听 MiniMax 创始人闫俊杰关于通用人工智能终极问题的看法

Learning Rate: The volume knob of XGBoost

Complete ML Unit-3 in one shot | IPU University | Algorithmic Web