XGboost

O XGBoost é um algoritmo de aprendizado de máquina, baseado em árvore de decisão e que utiliza uma estrutura de Gradient boosting.

O algoritmo XGBoost foi desenvolvido como um projeto de pesquisa na Universidade de Washington. Tianqi Chen e Carlos Guestrin, seus criadores, apresentaram o algoritmo por meio de um paper na Conferência SIGKDD.

Desde a sua introdução, este algoritmo tem sido o mais vitorioso no Kaggle, uma plataforma de competições em que cientistas de dados resolvem desafios por meio de machine learning. Além disso, também tem sido utilizado em várias aplicações de ponta na indústria.