XGBoost 安装指南：从入门到精通

虞熠蝶

于 2025-06-01 09:04:09 发布

阅读量271

点赞数 3

本文链接：https://blog.youkuaiyun.com/gitblog_00910/article/details/148360821

版权

XGBoost 安装指南：从入门到精通

xgboost dmlc/xgboost: 是一个高效的的机器学习算法库，基于 C++ 开发，提供用于提升分类、回归、排序等任务的性能。项目地址: https://gitcode.com/gh_mirrors/xg/xgboost

前言

XGBoost 作为机器学习领域最强大的梯度提升框架之一，广泛应用于各类数据科学竞赛和工业实践。本文将全面介绍 XGBoost 的安装方法，涵盖 Python、R 和 JVM 三大主流平台，同时对比稳定版和 nightly 版本的安装差异，帮助开发者根据自身需求选择最合适的安装方式。

安装方式概览

XGBoost 提供多种安装方式，主要分为两大类：

稳定版(Stable Release)：经过充分测试的正式发布版本
夜间构建版(Nightly Build)：包含最新特性的开发版本

同时支持多种平台：

Linux (x86_64, aarch64)
Windows (x86_64)
MacOS (x86_64, Apple Silicon)

Python 安装指南

稳定版安装

推荐使用 pip 进行安装，这是最简单的方式：

pip install xgboost

注意事项：

需要 pip 21.3 或更高版本
如果遇到权限问题，可添加 --user 参数或使用虚拟环境
Windows 用户需额外安装 Visual C++ Redistributable

平台特性支持

| 平台 | GPU支持 | 多节点多GPU支持 | |-----------------|---------|----------------| | Linux x86_64 | ✓ | ✓ | | Linux aarch64 | ✗ | ✗ | | MacOS x86_64 | ✗ | ✗ | | MacOS Apple芯片 | ✗ | ✗ | | Windows | ✓ | ✗ |

最小化安装(仅CPU)

如果不需要GPU功能，可以安装精简版：

pip install xgboost-cpu

这个版本占用空间更小，但不支持GPU算法和联邦学习功能。

Conda 安装方式

conda install -c conda-forge py-xgboost

Conda 会自动检测GPU并安装合适版本。也可以手动指定：

# CPU版本
conda install -c conda-forge py-xgboost=*=cpu*
# GPU版本
conda install -c conda-forge py-xgboost=*=cuda*

对于没有NVIDIA GPU的机器，可以通过环境变量强制安装GPU版本：

export CONDA_OVERRIDE_CUDA="12.8"
conda install -c conda-forge py-xgboost=*=cuda*

夜间构建版安装

如需体验最新功能，可以安装夜间构建版：

pip install <wheel文件URL>

R 安装指南

稳定版安装

推荐从 R Universe 安装：

install.packages('xgboost', repos = c('https://dmlc.r-universe.dev', 'https://cloud.r-project.org'))

MacOS 用户注意：需要先安装 OpenMP 库以获得多核支持：

brew install libomp

实验性GPU支持

可以下载预编译的GPU版本包，文件名格式为 xgboost_r_gpu_[os]_[version].tar.gz，然后安装：

# 安装依赖
R -q -e "install.packages(c('data.table', 'jsonlite'))"
# 安装XGBoost
R CMD INSTALL ./xgboost_r_gpu_linux.tar.gz

夜间构建版安装

下载对应版本的GPU包后安装：

# 安装依赖
R -q -e "install.packages(c('data.table', 'jsonlite', 'remotes'))"
# 安装XGBoost
R CMD INSTALL ./xgboost_r_gpu_linux.tar.gz

JVM 安装指南

稳定版安装

Maven 配置

<properties>
  <scala.binary.version>2.12</scala.binary.version>
</properties>

<dependencies>
  <dependency>
    <groupId>ml.dmlc</groupId>
    <artifactId>xgboost4j-spark_${scala.binary.version}</artifactId>
    <version>最新版本号</version>
  </dependency>
</dependencies>

sbt 配置

libraryDependencies ++= Seq(
  "ml.dmlc" %% "xgboost4j-spark" % "最新版本号"
)

GPU版本支持

使用 xgboost4j-spark-gpu 替代普通版本即可启用GPU支持。

注意：JVM包目前不支持Windows平台。

夜间构建版安装

需添加快照仓库：

Maven 配置

<repository>
  <id>XGBoost4J Snapshot Repo</id>
  <name>XGBoost4J Snapshot Repo</name>
  <url>快照仓库URL</url>
</repository>

sbt 配置

resolvers += "XGBoost4J Snapshot Repo" at "快照仓库URL"

然后添加依赖：

<dependency>
  <groupId>ml.dmlc</groupId>
  <artifactId>xgboost4j-spark_${scala.binary.version}</artifactId>
  <version>最新版本号-SNAPSHOT</version>
</dependency>