XGBoost

XGBoost[1] 是一个开源软件库，它為 C++、Java、Python、[2] R、[3]和Julia[4]提供了一个梯度提升框架，适用于Linux、Windows、[5]和 mac os。[6] 根据项目的描述，它的目的在于提供一个"可擴展、可移植和分佈式梯度提升(GBM、GBRT、GBDT)庫"。 XGBoost除了可以在单一机器上运行，也支持運行在分布式框架Apache Hadoop、Apache Spark、Apache Flink。 近几年，由于這個演算法受到许多在机器学习竞赛中获奖团队的青睐，因而受到了廣泛的歡迎和關注。[7]

XGBoost
開發者The XGBoost Contributors
初始版本2014年3月27日​（2014-03-27）
穩定版本
0.70
（2017年12月30日 (2017-12-30)）
源代码库
编程语言C++
操作系统Linux, macOS, Windows
类型机器学习
许可协议Apache License 2.0
网站xgboost.ai

历史

XGBoost最初是一个研究项目，由当时在Distributed (Deep) Machine Learning Community (DMLC)组里的陈天奇[8] 负责。 它开始是作为一个可由libsvm配置文件进行配置的终端应用程序。当其在Higgs机器学习挑战中获胜之后，开始在机器学习竞赛圈子中被大家熟知。 不久之后，相应的Python和R的軟件包被开发了出来。XGBoost現在也已經為Julia、Scala、Java和其他語言提供了軟件包實現。 这使得更多的开发者认识了XGBoost，也让其在 Kaggle 社区大受欢迎，并用于大量的競賽[7]。

很快地，XGBoost就与其他多个软件包一起使用，使其更易于在各自的社区中使用。 它现在已经与Python用户的scikit-learn以及与R的Caret軟件包集成在一起。它还可以使用抽象的Rabit [9]及XGBoost4J集成到像是Apache Spark、Apache Hadoop和Apache Flink等数据流框架中。[10]XGBoost也可用於FPGAs的OpenCL。[11]陈天奇和Carlos Guestrin發表了一種高效、可擴展的XGBoost實現。[12]

获奖
  • 约翰钱伯斯奖（2016） [13]
  • 高能物理学会议机器学习奖（HEP meets ML） （2016） [14]

参考文献
  1. .
  2. . [2016-08-01].
  3. . [2016-08-01].
  4. . [2016-08-01]. （原始内容存档于2016-08-18）.
  5. . [2016-08-01].
  6. . [2016-08-01].
  7. . [2016-08-01].
  8. . [2016-08-01].
  9. . [2016-08-01].
  10. . [2016-08-01].
  11. . [2019-08-01].
  12. Chen, Tianqi; Guestrin, Carlos. . Krishnapuram, Balaji; Shah, Mohak; Smola, Alexander J.; Aggarwal, Charu C.; Shen, Dou; Rastogi, Rajeev (编). . ACM: 785–794. 2016. arXiv:1603.02754. doi:10.1145/2939672.2939785.
  13. . [2016-08-01].
  14. . [2016-08-01].
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.