计算时间
00:00.000 所有画廊的 44 个文件总执行时间
| 示例 | 时间 | 内存 (MB) | 
|---|---|---|
| 生存分析(回归)演示。 ( | 00:00.000 | 0.0 | 
| 使用 Optuna 进行生存分析(回归)演示。 ( | 00:00.000 | 0.0 | 
| 使用加速失效时间(AFT)模型进行生存分析(回归)的视觉演示。 ( | 00:00.000 | 0.0 | 
| 使用 Dask 在 CPU 上训练生存模型的示例 ( | 00:00.000 | 0.0 | 
| 使用 Dask 在 CPU 上训练的示例 ( | 00:00.000 | 0.0 | 
| 在 Dask 中使用回调的示例 ( | 00:00.000 | 0.0 | 
| 使用 Dask 接口进行排序学习 ( | 00:00.000 | 0.0 | 
| 将评估日志转发到客户端的示例 ( | 00:00.000 | 0.0 | 
| 使用 Dask 在 GPU 上训练的示例 ( | 00:00.000 | 0.0 | 
| 将 scikit-learn 回归器接口与 CPU 直方图树方法结合使用 ( | 00:00.000 | 0.0 | 
| 将 scikit-learn 回归器接口与 GPU 直方图树方法结合使用 ( | 00:00.000 | 0.0 | 
| XGBoost 入门 ( | 00:00.000 | 0.0 | 
| 从预测中进行 boosting 的演示 ( | 00:00.000 | 0.0 | 
| 使用和定义回调函数的演示 ( | 00:00.000 | 0.0 | 
| 使用 cat_in_the_dat 数据集训练 XGBoost ( | 00:00.000 | 0.0 | 
| 分类数据的特征工程管道 ( | 00:00.000 | 0.0 | 
| 分类数据入门 ( | 00:00.000 | 0.0 | 
| 训练延续演示 ( | 00:00.000 | 0.0 | 
| 在 GPU 设备上使用 xgboost ( | 00:00.000 | 0.0 | 
| 使用交叉验证的演示 ( | 00:00.000 | 0.0 | 
| 定义自定义回归目标和度量的演示 ( | 00:00.000 | 0.0 | 
| 创建自定义多类目标函数的演示 ( | 00:00.000 | 0.0 | 
| 对使用外部内存的分布式训练的实验性支持 ( | 00:00.000 | 0.0 | 
| 此脚本演示如何访问评估指标 ( | 00:00.000 | 0.0 | 
| 对外部内存的实验性支持 ( | 00:00.000 | 0.0 | 
| 使用特征权重更改列采样的演示 ( | 00:00.000 | 0.0 | 
| 伽马回归演示 ( | 00:00.000 | 0.0 | 
| GLM 演示 ( | 00:00.000 | 0.0 | 
| 使用 GPU 加速 SHAP 值计算 ( | 00:00.000 | 0.0 | 
| 使用单个树和模型切片进行预测的演示 ( | 00:00.000 | 0.0 | 
| 排序学习入门 ( | 00:00.000 | 0.0 | 
| 解析 JSON/UBJSON 树模型文件的演示 ( | 00:00.000 | 0.0 | 
| 多输出回归演示 ( | 00:00.000 | 0.0 | 
| 使用树的数量进行预测的演示 ( | 00:00.000 | 0.0 | 
| 获取叶索引的演示 ( | 00:00.000 | 0.0 | 
| 使用 Quantile DMatrix 和数据迭代器的演示 ( | 00:00.000 | 0.0 | 
| 分位数回归 ( | 00:00.000 | 0.0 | 
| 使用 sklearn 接口访问 xgboost 评估指标的演示 ( | 00:00.000 | 0.0 | 
| 使用 sklearn 接口的示例集合 ( | 00:00.000 | 0.0 | 
| 将 xgboost 与 sklearn 结合使用的演示 ( | 00:00.000 | 0.0 | 
| 使用 xgboost.spark 估计器接口的示例集合 ( | 00:00.000 | 0.0 | 
| 使用 process_type 和 prune 和 refresh 的演示 ( | 00:00.000 | 0.0 | 
| 将 rmm 与 Dask 结合使用 ( | 00:00.000 | 0.0 | 
| 在单节点设备上使用 rmm ( | 00:00.000 | 0.0 |