Lo mejor de XGBoost es que proporciona procesamiento paralelo en el desarrollo de modelos de aprendizaje automático; con la ayuda de 4 núcleos y procesamiento paralelo, pude desarrollar un modelo de aprendizaje automático en 30 millones de suscriptores en 2 horas.

Es el algoritmo independiente de mejor rendimiento (sin contar los algoritmos de aprendizaje profundo, que es un campo completamente diferente) famoso por ganar muchas competiciones de aprendizaje automático en línea. Funciona rápidamente y rinde mejor que los algoritmos de bagging porque aprende de los errores de los modelos de árboles anteriores que se construyeron dentro de él. También es posible ajustar XGBoost para varios métricas, por lo que si deseas un alto recall, puedes hacerlo con la ayuda de GridSearchCV. Es muy eficiente en comparación con el famoso algoritmo de Random Forest.

XGBoost has better performance than other boosters or gradient functions. Helps return improved accuracy on regression algorithms. Works well on large datasets.