XGBoost 文档
XGBoost 是一个优化的分布式梯度提升库，设计为高度 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 提供了并行树提升（也称为 GBDT、GBM），能够以快速和准确的方式解决许多数据科学问题。相同的代码运行在主要的分布式环境（Hadoop、SGE、MPI）中，并且可以解决超过数十亿样本的问题。
内容
- 安装指南
- 从源码构建
- 开始使用 XGBoost
- XGBoost 教程
- Boosted Trees 简介
- 模型输入输出简介
- 排序学习
- DART 助推器
- 单调约束
- 功能交互约束
- 使用加速失效时间模型的生存分析
- 分类数据
- 多重输出
- 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 进行分布式 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
- 参数调整的注意事项
- 自定义目标和评估指标
- 拦截
- 使用 Concrete ML 进行隐私保护推理
- 常见问题
- XGBoost 用户论坛
- 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 贡献