The easy API with Python is very developer-friendly, along with good documentation page.
Keine Beispiele zur Hilfe, wenige Probleme in der App am Anfang, fehlt an detaillierter Lernvermittlung. Einige Beispiele und reale Lebensbeispiele sollten vorhanden sein.
Das Beste an XGBoost ist, dass es parallele Verarbeitung in der Entwicklung von maschinellen Lernmodellen bietet; mit Hilfe von 4 Kernen und paralleler Verarbeitung konnte ich ein maschinelles Lernmodell für 30 Millionen Abonnenten in 2 Stunden entwickeln.
There's not much to dislike. It's been pretty popular as a decision tree algorithm and rightly remains a reliable choice for data science applications. Only wished it was developed sooner!
The easy API with Python is very developer-friendly, along with good documentation page.
Das Beste an XGBoost ist, dass es parallele Verarbeitung in der Entwicklung von maschinellen Lernmodellen bietet; mit Hilfe von 4 Kernen und paralleler Verarbeitung konnte ich ein maschinelles Lernmodell für 30 Millionen Abonnenten in 2 Stunden entwickeln.
Keine Beispiele zur Hilfe, wenige Probleme in der App am Anfang, fehlt an detaillierter Lernvermittlung. Einige Beispiele und reale Lebensbeispiele sollten vorhanden sein.
There's not much to dislike. It's been pretty popular as a decision tree algorithm and rightly remains a reliable choice for data science applications. Only wished it was developed sooner!