Sé que sklearn.ensemble.GradientBoostingRegressor admite la regresión de cuantiles y la producción de intervalos de predicción . ¿Hay planes para que el paquete XGBoost ofrezca un soporte similar?
Actualmente no se admite la regresión de cuantiles.
Se puede lograr definiendo la función objetivo del lado del usuario: https://github.com/dmlc/xgboost/blob/master/R-package/demo/custom_objective.R
La regresión de cuantiles con xgboost requiere funciones de gradiente y hessian personalizadas. Aquí hay una implementación en Python: http://www.bigdatarepublic.nl/regression-prediction-intervals-with-xgboost/
Tenga en cuenta que la implementación no es muy útil para la mayoría de los usuarios, ya que especifica tres parámetros de búsqueda en cuadrícula (muy costosos) para obtener una estimación cuantil. En sklearn, solo define el valor del cuantil y obtiene una estimación muy sólida y confiable de ese cuantil.
Comentario más útil
La regresión de cuantiles con xgboost requiere funciones de gradiente y hessian personalizadas. Aquí hay una implementación en Python: http://www.bigdatarepublic.nl/regression-prediction-intervals-with-xgboost/