XGBoost

软件介绍

XGBoost 是一个开源的梯度提升库，目标是高效、灵活、可移植。它在梯度提升框架下实现了并行树提升算法（也就是常说的 GBDT、GBM），常用来处理表格数据上的回归、分类和排序问题。项目托管在 GitHub 的 dmlc 组织下，由社区成员共同开发，最早源于华盛顿大学的一个研究项目。

核心功能

• 并行树提升：以并行方式训练梯度提升树。
• 分布式训练：官方文档称可处理超大规模数据集，并提供 Dask、Spark、PySpark、Ray、Kubernetes 等环境下的教程。
• GPU 支持：可利用 GPU 加速训练。
• 多种建模选项：包括单调约束、特征交互约束、DART、排序学习（learning to rank）、生存分析、类别特征、多输出，以及自定义目标函数和评估指标。

支持平台与系统要求

XGBoost 提供 Python、R、JVM（XGBoost4J、XGBoost4J-Spark）、Julia、Ruby、Swift 以及 C/C++ 的接口。PyPI 上有 Windows（x86-64、ARM64）、Linux（glibc 2.28 及以上，x86-64、ARM64）和 macOS（x86-64 需 10.15 及以上，ARM64 需 12.0 及以上）的预编译包；最新版 3.4.1 要求 Python 3.12 或更高版本。其他环境可按官方文档从源码编译。

适用人群或使用场景

适合数据科学家、机器学习工程师和研究人员，用于结构化数据的预测建模、竞赛和生产环境中的分布式训练。它是一个函数库而不是带图形界面的独立软件，使用时需要通过编程语言调用。

版本与授权

XGBoost 以 Apache-2.0 许可证开源，可免费使用。截至 2026 年 8 月，PyPI 上的最新版本为 3.4.1。