XGBoost

维基百科，自由的百科全书
XGBoost
開發者The XGBoost Contributors
首次发布2014年3月27日，​10年前​（2014-03-27）
当前版本
  • 2.0.3 (2023年12月19日；穩定版本)[1]
編輯維基數據鏈接
源代码库
編輯維基數據鏈接
编程语言C++
操作系统Linux, macOS, Windows
类型机器学习
许可协议Apache License 2.0
网站xgboost.ai

XGBoost[2]是一个开源软件库，为C++、Java、Python[3]、R、[4]和Julia[5]提供了一个梯度提升框架，适用于Linux、Windows[6]、以及macOS[7]。根据项目的描述，它的目的在于提供一个"可扩展、可移植和分布式梯度提升（GBM、GBRT、GBDT）库"。XGBoost除了可以在单机上运行，也支持运行在分布式框架如Apache Hadoop、Apache Spark和Apache Flink上。近几年，由于该算法受到许多在机器学习竞赛中获奖团队的青睐，因而受到了广泛的欢迎和关注[8]。

历史

XGBoost最初是一个研究项目，由当时在Distributed (Deep) Machine Learning Community (DMLC) 组里的陈天奇负责[9]。它最初作为一个可以由libsvm配置文件进行配置的终端应用程序。在Higgs机器学习挑战中取得胜利后，它开始在机器学习竞赛圈子中被广为人知。不久之后，相应的Python和R的软件包被开发了出来。XGBoost现在也已经为Julia、Scala、Java和其他语言提供了软件包实现。这使得更多的开发者了解了XGBoost，并且让其在Kaggle社区备受欢迎，被广泛用于大量的竞赛[8]。

很快地，XGBoost就与其他多个软件包一起使用，使其更易于在各自的社区中使用。它现在已经与Python用户的scikit-learn以及与R的Caret软件包集成在一起。它还可以使用抽象的Rabit[10]及XGBoost4J集成到诸如Apache Spark、Apache Hadoop和Apache Flink等数据流框架中[11]。XGBoost也可用于FPGAs的OpenCL[12]。陈天奇和Carlos Guestrin发表了一种高效、可扩展的XGBoost实现[13]。

获奖

  • 约翰钱伯斯奖（2016） [14]
  • 高能物理学会议机器学习奖（HEP meets ML） （2016） [15]

参考文献

  1. ^ Release 2.0.3. 2023年12月19日 [2023年12月19日]. 
  2. ^ GitHub project webpage. [2019-01-09]. （原始内容存档于2021-04-01）. 
  3. ^ Python Package Index PYPI: xgboost. [2016-08-01]. （原始内容存档于2017-08-23）. 
  4. ^ CRAN package xgboost. [2016-08-01]. （原始内容存档于2018-10-26）. 
  5. ^ Julia package listing xgboost. [2016-08-01]. （原始内容存档于2016-08-18）. 
  6. ^ Installing XGBoost for Anaconda in Windows. [2016-08-01]. （原始内容存档于2018-05-08）. 
  7. ^ Installing XGBoost on Mac OSX. [2016-08-01]. （原始内容存档于2018-05-08）. 
  8. ^ 8.0 8.1 XGBoost - ML winning solutions (incomplete list). [2016-08-01]. 
  9. ^ Story and Lessons behind the evolution of XGBoost. [2016-08-01]. （原始内容存档于2016-08-07）. 
  10. ^ Rabit - Reliable Allreduce and Broadcast Interface. [2016-08-01]. （原始内容存档于2018-06-11）. 
  11. ^ XGBoost4J. [2016-08-01]. （原始内容存档于2018-05-08）. 
  12. ^ XGBoost on FPGAs. [2019-08-01]. （原始内容存档于2020-09-13）. 
  13. ^ Chen, Tianqi; Guestrin, Carlos. Krishnapuram, Balaji; Shah, Mohak; Smola, Alexander J.; Aggarwal, Charu C.; Shen, Dou; Rastogi, Rajeev , 编. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Francisco, CA, USA, August 13-17, 2016. ACM: 785–794. 2016. arXiv:1603.02754 可免费查阅. doi:10.1145/2939672.2939785.  |contribution=被忽略 (帮助)
  14. ^ John Chambers Award Previous Winners. [2016-08-01]. （原始内容存档于2017-07-31）. 
  15. ^ HEP meets ML Award. [2016-08-01]. （原始内容存档于2018-05-08）. 
取自“https://zh.wikipedia.org/w/index.php?title=XGBoost&oldid=80952735”