XGBoost（eXtreme Gradient Boosting）相比傳統 Gradient Boosting 的主要改進為何？
iPAS 考題解析
XGBoost（eXtreme Gradient Boosting）相比傳統 Gradient Boosting 的主要改進為何？
- A. 加入正則化項控制模型複雜度，並支援並行計算，顯著提升訓練效率 ✓ 正確答案
- B. 使用隨機抽樣特徵方式，類似隨機森林的 Bagging 方法
- C. 採用深度更深的決策樹以捕捉更複雜的特徵關係
- D. 使用神經網路替代決策樹作為基學習器
詳細解析
XGBoost 在目標函數中加入 L1/L2 正則化項（控制樹的葉節點數和權重），防止過擬合；並透過特徵預排序和列塊結構支援並行計算，大幅提升訓練速度。這是 XGBoost 在 Kaggle 競賽中取得廣泛應用的主要原因。
出題年份：114 難度：★★☆