XGBoost

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]。

XGBoost
開發者The XGBoost Contributors
首次发布2014年3月27日​（2014-03-27）
当前版本
  • 2.0.3 (2023年12月19日；穩定版本)[1]
源代码库
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

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. . 2023年12月19日 [2023年12月19日].
  2. . [2019-01-09]. （原始内容存档于2021-04-01）.
  3. . [2016-08-01]. （原始内容存档于2017-08-23）.
  4. . [2016-08-01]. （原始内容存档于2018-10-26）.
  5. . [2016-08-01]. （原始内容存档于2016-08-18）.
  6. . [2016-08-01]. （原始内容存档于2018-05-08）.
  7. . [2016-08-01]. （原始内容存档于2018-05-08）.
  8. . [2016-08-01].
  9. . [2016-08-01]. （原始内容存档于2016-08-07）.
  10. . [2016-08-01]. （原始内容存档于2018-06-11）.
  11. . [2016-08-01]. （原始内容存档于2018-05-08）.
  12. . [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. . ACM: 785–794. 2016. arXiv:1603.02754 可免费查阅. doi:10.1145/2939672.2939785. |contribution=被忽略 (帮助)
  14. . [2016-08-01]. （原始内容存档于2017-07-31）.
  15. . [2016-08-01]. （原始内容存档于2018-05-08）.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.