Noticias que mencionan XGBoost

ONNX Runtime: acelerador de inferencia y entrenamiento para machine learning

ONNX Runtime es un acelerador de inferencia y entrenamiento para machine learning que opera de forma cruzada en múltiples plataformas. Su objetivo principal es mejorar la experiencia del cliente y reducir los costos mediante la optimización del rendimiento, soportando modelos de frameworks de aprend

T1DMAI: zoo de modelos de predicción de glucosa para diabetes tipo 1

T1DMAI es un repositorio de código abierto que funciona como un zoológico de modelos de predicción de glucosa en sangre, diseñados específicamente para personas con diabetes tipo 1. El proyecto, mantenido por un usuario con esta condición, ofrece una herramienta técnica para evaluar y comparar el re

Block Blast usa algoritmos ocultos para forzar anuncios y puzles imposibles

Un análisis técnico revela que Block Blast, un juego de bloques, utiliza algoritmos ocultos en su código nativo para manipular la experiencia del usuario y maximizar la generación de ingresos publicitarios. Entre enero y mayo de 2026, el estudio estimó haber generado 127 millones de dólares en anunc

Modelos de IA sin entrenamiento superan a XGBoost en 14 pruebas

Un análisis técnico ha demostrado que los modelos de aprendizaje en contexto (TabPFN y TabICL) superan a XGBoost ajustado en 14 de 14 conjuntos de datos probados en una RTX 4070 Ti. La prueba, realizada con el benchmark de Grinsztajn, confirma que estos modelos de IA no requieren entrenamiento previ

Google presenta TabFM, un modelo fundacional zero-shot para datos tabulares

Google Research ha presentado TabFM, un nuevo modelo fundacional diseñado para tareas de clasificación y regresión sobre datos tabulares que opera en modo zero-shot, sin necesidad de entrenar el modelo para cada conjunto de datos. La herramienta, desarrollada por los científicos Weihao Kong y Abhima

Timber: inferencia de IA 336x más rápida

Un nuevo proyecto de código abierto llamado Timber está acelerando significativamente la inferencia de modelos de aprendizaje automático clásicos, según anunció su creador, Kossisoroyce, en GitHub. Timber compila modelos basados en árboles (XGBoost, LightGBM, scikit-learn, CatBoost y ONNX) en código