XGBoost

XGBoost implementa árboles de decisión con gradient boosting con un fuerte enfoque en rendimiento y escalabilidad, y ha sido uno de los algoritmos más consistentemente ganadores en competiciones de machine learning para datos estructurados (tabulares), el tipo de datos que se encuentra en hojas de cálculo y bases de datos en lugar de imágenes o texto. Se ejecuta de forma eficiente en una sola máquina o distribuido en un clúster.

XGBoost encaja en equipos que resuelven problemas de clasificación, regresión o ranking sobre datos estructurados, una herramienta distinta a los frameworks de deep learning (PyTorch, TensorFlow, también en este catálogo) que dominan las tareas de imagen, texto y audio pero a menudo son superados por el gradient boosting en datos tabulares.