访问官网
Github
文档
论文
极限梯度提升
XGBoost 是一个优化的分布式梯度提升库，旨在高度高效、灵活和可移植。 它在梯度提升框架下实现机器学习算法。 XGBoost 提供并行树提升（也称为 GBDT、GBM），能够快速准确地解决许多数据科学问题。 同样的代码可在主要的分布式环境（Kubernetes、Hadoop、SGE、Dask、Spark、PySpark）上运行，并可解决超过数十亿个样本的问题。
许可证
© 贡献者，2021。根据 Apache-2 许可证授权。
为 XGBoost 做贡献
XGBoost 由一群活跃的社区成员开发和使用。您的帮助对于让这个软件包变得更好对每个人都非常有价值。 查看社区页面。
参考文献
- Tianqi Chen 和 Carlos Guestrin。XGBoost：一个可扩展的树提升系统。发表于第 22 届 SIGKDD 知识发现与数据挖掘会议，2016 年
- XGBoost 源于华盛顿大学的研究项目。
赞助商
成为赞助商并在此处获得徽标。详情请见 赞助 XGBoost 项目。这些资金用于抵消持续集成和测试基础设施的成本 (https://xgboost-ci.net)。
开源集体赞助商
赞助商
[成为赞助商]
支持者
[成为支持者]
