Eu sei que sklearn.ensemble.GradientBoostingRegressor suporta regressão quantílica e a produção de intervalos de previsão . Existem planos para o pacote XGBoost oferecer suporte semelhante?
Atualmente, a regressão quantílica não é suportada.
Isso pode ser alcançado definindo a função objetivo no lado do usuário: https://github.com/dmlc/xgboost/blob/master/R-package/demo/custom_objective.R
A regressão quantílica com xgboost requer funções personalizadas de gradiente e hessiana. Aqui está uma implementação em Python: http://www.bigdatarepublic.nl/regression-prediction-intervals-with-xgboost/
Observe que a implementação não é muito útil para a maioria dos usuários, pois especifica três parâmetros de pesquisa de grade (muito caro) para obter uma estimativa de quantil. No sklearn, você define apenas o valor do quantil e recebe uma estimativa muito robusta e confiável desse quantil.
Comentários muito úteis
A regressão quantílica com xgboost requer funções personalizadas de gradiente e hessiana. Aqui está uma implementação em Python: http://www.bigdatarepublic.nl/regression-prediction-intervals-with-xgboost/