如何在Mac OSX上安装xgboost

对于Linux平台运行pip(3) install xgboost即可。对 windows平台，官方建议自行编译：步骤1、clone Github项目

2、git checkout 9bc3d16（此分支中包含windows所需文件）

3、用visual studio2013打开位于xgboost/windows的项目

4、VS2013中打开configuration manager

选择active solution configuration中release

选择active solution platform中x64

5、重构（rebuild）xgboost和xgboost_wapper

6、拷贝xgboost/windows/x64/release文件夹里所有文件到到xgboost/wrapper

7、去xgboost/python-package运行python setup.py install

8、检查是否完成安装：python -c "import xgboost"

xgboost4j-spark 怎么安装使用

1.windows server 2008是64位

2.先安装python 64位，版本选用2.7.10

3.安装numpy和scipy，版本都是64位，兼容python 2.7，这两个扩展包都选用http://www.lfd.uci.edu/~gohlke/pythonlibs/下的wheel文件，原因是安装时候不报错，其他安装方法，比如直接pip install scipy，easy_install numpy，会爆出各种莫名其妙的错误；

4.安装visual studio 2010或者2013均可，我开始装的是visual studio2015，各种按钮下拉框找不着，很麻烦；

5.安装vs2013后，直接将xgboost下windows文件夹中xgboost.sln导入solution,在vs上方选择好x64和release两个选项，在build下拉菜单中选择rebuild，最后出现 ========== Build: 3 succeeded, 0 failed, 0 up-to-date, 0 skipped ==========, 表明已经编译成功，不过我编译时候出了一个差错，说找不到jni.h文件，是fatal error，不过细看下应该是生成javawrapper时候出错，结果会导致无法以java方式调用xgboost，不过这些都是小事，我没打算用java调用xgboost；

6.dos下，进入xgboost\python-package目录下，输入命令python setup.py install,开始往c:\python27\lib\site-packages中装内容

7.然后import xgboost，导入成功

至此，一切搞定

安装首先安装XGBoost的C++版本，然后进入源文件的根目录下的 wrappers文件夹执行如下脚本安装Python模块

python setup.py install

安装完成后按照如下方式导入XGBoost的Python模块

import xgboost as xgb

=

数据接口

XGBoost可以加载libsvm格式的文本数据，加载的数据格式可以为Numpy的二维数组和XGBoost的二进制的缓存文件。加载的数据存储在对象DMatrix中。

加载libsvm格式的数据和二进制的缓存文件时可以使用如下方式

dtrain = xgb.DMatrix('train.svm.txt') dtest = xgb.DMatrix('test.svm.buffer')

加载numpy的数组到DMatrix对象时，可以用如下方式

data = np.random.rand(5,10) # 5 entities, each contains 10 features label = np.random.randint(2, size=5) # binary target dtrain = xgb.DMatrix( data, label=label)

将scipy.sparse格式的数据转化为 DMatrix格式时，可以使用如下方式

csr = scipy.sparse.csr_matrix( (dat, (row,col)) ) dtrain = xgb.DMatrix( csr )

将 DMatrix 格式的数据保存成XGBoost的二进制格式，在下次加载时可以提高加载速度，使用方式如下

dtrain = xgb.DMatrix('train.svm.txt') dtrain.save_binary("train.buffer")

可以用如下方式处理 DMatrix中的缺失值：

dtrain = xgb.DMatrix( data, label=label, missing = -999.0)

当需要给样本设置权重时，可以用如下方式

w = np.random.rand(5,1) dtrain = xgb.DMatrix( data, label=label, missing = -999.0, weight=w)

参数设置

XGBoost使用key-value格式保存参数. Eg

* Booster（基本学习器）参数

param = {'bst:max_depth':2, 'bst:eta':1, 'silent':1, 'objective':'binary:logistic' } param['nthread'] = 4 plst = param.items() plst += [('eval_metric', 'auc')] # Multiple evals can be handled in this way plst += [('eval_metric', 'ams@0')]

还可以定义验证数据集，验证算法的性能

evallist = [(dtest,'eval'), (dtrain,'train')]

---