XGBoost 文档
XGBoost 是一个优化的分布式梯度提升库，旨在实现高度高效、灵活和可移植。它在 梯度提升 框架下实现了机器学习算法。XGBoost 提供了一种并行树提升（也称为 GBDT，GBM）方法，可以快速准确地解决许多数据科学问题。相同的代码可以在主要的分布式环境（Hadoop、SGE、MPI）上运行，并且可以解决超过数十亿个样本的问题。
目录
- 安装指南
- 从源代码构建
- XGBoost 入门
- XGBoost 教程
- 提升树简介
- 模型 I/O 简介
- 模型切片
- 排序学习
- DART 助推器
- 单调约束
- 特征交互约束
- 使用加速失效时间进行生存分析
- 分类数据
- 多输出
- XGBoost 中的随机森林 (TM)
- Kubernetes 上的分布式 XGBoost
- 使用 XGBoost4J-Spark 的分布式 XGBoost
- 使用 XGBoost4J-Spark-GPU 的分布式 XGBoost
- 使用 Dask 的分布式 XGBoost
- 使用 PySpark 的分布式 XGBoost
- 使用 Ray 的分布式 XGBoost
- 使用 XGBoost 外部内存版本
- C API 教程
- DMatrix 的文本输入格式
- 参数调优注意事项
- 自定义目标和评估指标
- 自定义目标的进阶用法
- 截距
- 使用 Concrete ML 进行隐私保护推理
- 常见问题
- GPU 支持
- XGBoost 参数
- 预测
- 树方法
- Python 包
- R 包
- JVM 包
- Ruby 包
- Swift 包
- Julia 包
- C 包
- C++ 接口
- CLI 接口
- 为 XGBoost 做贡献
- 发布说明