XGBoost Python 功能演练

这是一系列使用 XGBoost Python 包的示例。

获取叶子索引的演示

获取叶子索引的演示

XGBoost 与 sklearn 结合使用的演示

XGBoost 与 sklearn 结合使用的演示

此脚本演示如何访问评估指标

此脚本演示如何访问评估指标

在 GPU 设备上使用 XGBoost

在 GPU 设备上使用 XGBoost

伽马回归演示

伽马回归演示

从预测进行提升的演示

从预测进行提升的演示

使用 sklearn 接口访问 XGBoost 评估指标的演示

使用 sklearn 接口访问 XGBoost 评估指标的演示

使用特征权重改变列采样的演示

使用特征权重改变列采样的演示

广义线性模型 (GLM) 演示

广义线性模型 (GLM) 演示

使用 GPU 加速 SHAP 值计算

使用 GPU 加速 SHAP 值计算

使用树的数量进行预测的演示

使用树的数量进行预测的演示

XGBoost 入门

XGBoost 入门

分类数据入门

分类数据入门

使用交叉验证的演示

使用交叉验证的演示

使用 sklearn 接口的示例集合

使用 sklearn 接口的示例集合

使用 process_type 结合 prune 和 refresh 的演示

使用 process_type 结合 prune 和 refresh 的演示

使用单个树和模型切片进行预测的演示

使用单个树和模型切片进行预测的演示

使用 xgboost.spark 估计器接口的示例集合

使用 xgboost.spark 估计器接口的示例集合

使用数据迭代器和分位数 DMatrix 的演示

使用数据迭代器和分位数 DMatrix 的演示

使用 cat_in_the_dat 数据集训练 XGBoost

使用 cat_in_the_dat 数据集训练 XGBoost

分位数回归

分位数回归

训练延续的演示

训练延续的演示

多输出回归的演示

多输出回归的演示

分类数据的特征工程管道

分类数据的特征工程管道

使用和定义回调函数的演示

使用和定义回调函数的演示

外部内存的实验性支持

外部内存的实验性支持

排序学习入门

排序学习入门

定义自定义回归目标和指标的演示

定义自定义回归目标和指标的演示

创建自定义多类别目标函数的演示

创建自定义多类别目标函数的演示

带外部内存的分布式训练的实验性支持

带外部内存的分布式训练的实验性支持

解析 JSON/UBJSON 树模型文件的演示

解析 JSON/UBJSON 树模型文件的演示