第 02 课：XGBoost 简介

前文回顾：

在Python中开始使用 XGBoost的7步迷你课程

第 01 课：梯度提升简介

XGBoost 是为速度和表现而设计的梯度提升决策树的实现。 XGBoost 代表e X treme G radient Boosti ng。 它由陈天琪开发，激光专注于计算速度和模型表现，因此几乎没有多余的装饰。除了支持该技术的所有关键变体之外，真正感兴趣的是通过精心设计实施所提供的速度，包括：

• 在训练期间使用所有 CPU 内核构建树的并行化。
• 分布式计算用于使用一组机器训练超大型模型。
• 非核心计算适用于不适合内存的超大型数据集。
• 缓存优化的数据结构和算法，以充分利用硬件。

传统上，梯度提升实现很慢，因为必须构造每个树并将其添加到模型中的顺序性质。 XGBoost开发中的表现已经成为最好的预测建模算法之一，现在可以利用硬件平台的全部功能，或者您可能在云中租用的超大型计算机。 因此，XGBoost 一直是竞争机器学习的基石，是赢家赢得和推荐的技术。

在下一课中，我们将使用Python开发我们的第一个XGBoost模型。

都是一种支持