xgboost
可擴展、可攜式且分散式的梯度提升(GBDT、GBRT 或 GBM)函式庫,支援Python、R、Java、Scala、C等語言,可在單機、Hadoop、Spark上執行
xgboost 是什麼?
可擴展、可攜式且分散式的梯度提升(GBDT、GBRT 或 GBM)函式庫,支援Python、R、Java、Scala、C等語言,可在單機、Hadoop、Spark、Dask、Flink及DataFlow上執行
xgboost 概覽
這是什麼
XGBoost 是一個最佳化的分散式梯度提升函式庫。它在梯度提升框架下實作機器學習演算法,提供並行樹提升(又稱 GBDT、GBM),設計上強調高效、靈活與可移植。相同的程式碼可運行於主要的分散式環境,包括 Kubernetes、Hadoop、SGE、Dask、Spark 與 PySpark,並能處理超過數十億筆樣本的問題。
主要功能
- 並行樹提升(GBDT、GBRT、GBM) - 可在單機、Hadoop、Spark、Dask、Flink、DataFlow、Kubernetes、SGE 與 PySpark 上執行 - 支援多種語言介面:Python、R、Java、Scala、C 等 - 專為跨分散式環境的可擴展性與可移植性設計 - 針對速度與準確度進行最佳化
使用情境
XGBoost 適用於需要快速且準確梯度提升的各種資料科學問題,包括迴歸、分類、排序以及使用者自訂目標函數。該函式庫能處理數十億筆樣本的資料集,並可部署於單機與大規模分散式叢集。
快速開始
請參閱儲存庫的 README 以取得安裝與快速入門指示。
授權與價格
本函式庫採用 Apache-2.0 授權,為開放原始碼且免費使用。
內容整理自該專案公開的 README 與儲存庫資訊。