Logo
  • 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
xgboost
  • XGBoost 教程
  • 查看页面源码

XGBoost 教程

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

目录:

  • 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
上一页 下一页

© 版权所有 2022, xgboost developers。

利用 Sphinx 构建,使用的 主题 由 Read the Docs 开发.