Logo
  • 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
xgboost
  • XGBoost 教程
  • 查看页面源代码

XGBoost 教程

本节包含 XGBoost 包中的官方教程。有关更多资源,请参见Awesome XGBoost。另外,不要错过每个包中的功能介绍。

目录

  • 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
上一页 下一页

© 版权所有 2025, xgboost 开发者。

使用 Sphinx 和 Read the Docs 提供的 主题 构建。