eXtreme Gradient Boosting
这是什么东西？
XGBoost 是一个经过优化的分布式梯度提升库，以高效、灵活和可移植著称——它在梯度提升（Gradient Boosting）框架下实现了各种机器学习算法。
XGBoost 是一个经过优化的分布式梯度提升库，以高效、灵活和可移植著称——它在梯度提升（Gradient Boosting）框架下实现了各种机器学习算法。它是一个我安装后直接运行的程序，还是要在自己的代码里调用的东西？它是一个需要在你自己代码里调用的库——提供 Python、R、Java、Scala、C 等多种语言的版本，核心部分用 C++ 编写。
它是一个需要在你自己代码里调用的库——提供 Python、R、Java、Scala、C 等多种语言的版本，核心部分用 C++ 编写。使用它需要 Spark 或 Hadoop 集群吗？不需要——它可以在单机上运行，同一份代码也能在主流分布式环境（Kubernetes、Hadoop、SGE、Dask、Spark、PySpark）上运行，可以处理规模超过数十亿样本的问题。
不需要——它可以在单机上运行，同一份代码也能在主流分布式环境（Kubernetes、Hadoop、SGE、Dask、Spark、PySpark）上运行，可以处理规模超过数十亿样本的问题。可以免费使用吗，包括商业用途？可以——XGBoost 采用 Apache-2.0 许可证，可以免费在商业项目中使用。
可以——XGBoost 采用 Apache-2.0 许可证，可以免费在商业项目中使用。这个算法到底是做什么的？它提供并行式树提升——也就是梯度提升决策树，常被称为 GBDT 或 GBM——能够快速而准确地解决许多数据科学问题。
它提供并行式树提升——也就是梯度提升决策树，常被称为 GBDT 或 GBM——能够快速而准确地解决许多数据科学问题。XGBoost 最初是怎么来的？它最初是华盛顿大学的一个研究项目，由陈天奇（Tianqi Chen）和 Carlos Guestrin 撰写，并在 2016 年的 SIGKDD 会议上以论文《XGBoost: A Scalable Tree Boosting System》发表。
它最初是华盛顿大学的一个研究项目，由陈天奇（Tianqi Chen）和 Carlos Guestrin 撰写，并在 2016 年的 SIGKDD 会议上以论文《XGBoost: A Scalable Tree Boosting System》发表。What are similar projects?LightGBM, spark, deeplearning4j, doris, flink-learning, dask, polars, mxnet
LightGBM, spark, deeplearning4j, doris, flink-learning, dask, polars, mxnetWhich topics is it in?flink, r, parallel, spark, jvm, big-data, data-analysis, high-performance, algorithms, data-science, distributed-systems, kubernetes
flink, r, parallel, spark, jvm, big-data, data-analysis, high-performance, algorithms, data-science, distributed-systems, kubernetes