Linux下安装xgBoost

最新推荐文章于 2025-10-03 16:50:59 发布
原创 最新推荐文章于 2025-10-03 16:50:59 发布 · 8.6k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文档详细介绍了如何在Linux操作系统中分两步安装xgBoost。首先，你需要从源代码构建共享库，然后安装特定语言的包，如Python。确保先安装git，然后按照步骤进行编译和安装。

http://xgboost.readthedocs.org/en/latest/build.html#python-package-installation

分两步：

  1. First build the shared library from the C++ codes (libxgboost.so for linux/osx andlibxgboost.dll for windows).
    • Exception: for R-package installation please directly refer to the R package section.
  2. Then install the language packages (e.g. Python Package).


0）安装git：

sudo apt-get install git


1）安装xgboost：

git clone --recursive https://github.com/dmlc/xgboost
如果是未联网的机器，先去https://github.com/dmlc/xgboost下载源码，再手动传到服务器，解压缩等

1）build：

cd xgboost; make -j4
如果是新机器，发现g++ not found错误：sudo apt-get install g++，再make。


2）

sudo apt-get install python-setuptools

cd python-package; 
sudo python setup.py install




export PYTHONPATH=~/xgboost/python-package











                

        

    


  



    



                



	

		

			

				
					
XGBoost详解（原理篇）

				
			

			

				

					tt丫的博客
				

				

					03-15
					
					7万+
					
				

			

		

		

			
				
XGBoost全称为eXtreme Gradient Boosting，即极致梯度提升树。XGBoost是Boosting算法的其中一种，Boosting算法的思想是将许多弱分类器集成在一起，形成一个强分类器（个体学习器间存在强依赖关系，必须串行生成的序列化方法）。Note：关于Boosting算法详见博文集成学习详解_tt丫的博客-优快云博客XGBoost是一种提升树模型，即它将许多树模型集成在一起，形成一个很强的分类器。其中所用到的树模型则是CART回归树模型。

			
		

	



                

            
              



	

		

			

				
					
机器学习---xgboost算法

				
			

			

				

					weixin_43961909的博客
				

				

					01-14
					
					1万+
					
				

			

		

		

			
				
问题上表现的十分顶尖，本节将较详细的介绍XGBoost的算法原理。成和剪枝分别对应了经验风险最小化和结构风险最小化， XGBoost的决策树生成是结构风险最小。式（1.1）称为经验风险最小化，训练得到的模型复杂度较高。出结果， 是模型的输出结果；等式右边第⼀部分是模型的训练误差，第⼆部分是正则化项，这里。其中，F是假设空间，假设空间是在已知属性和属性可能取值的情况下，对所有可能满足目标的情。最小化，结构风险最小化的模型往往对训练数据以及未知的测试数据都有较好的预测。的正则化项是K棵树的正则化项相加而来的。

			
		

	



              


  
              

                


	

		

			

				
					
一文入门XGBoost：为什么它是工业界的「集成学习扛把子」？

					
最新发布

				
			

			

				

					cjd688的博客
				

				

					10-03
					
					778
					
				

			

		

		

			
				
多分类：通过 “softmax” 输出类别概率，轻松搞定手写数字识别、图像分类等任务；排序任务：内置 “排序损失函数”（如 LambdaRank），是推荐系统中 “用户商品排序” 的常用工具；自定义损失：支持用户传入自己的损失函数（只要能求一阶、二阶导数），满足个性化需求（如金融场景的 “分位数损失”）。

			
		

	





	

		

			

				
					
天池龙珠计划寒假训练营学习笔记：利用XGBoost进行分析的完整流程

				
			

			

				

					AI_SupplyChain的博客
				

				

					01-29
					
					842
					
				

			

		

		

			
				
天池龙珠计划寒假训练营学习笔记：利用XGBoost进行分析的完整步骤
工具：天池NoteBook  训练数据10.9MB
训练数据下载链接：https://tianchi-media.oss-cn-beijing.aliyuncs.com/DSW/7XGBoost/train.csv
声明：
本文主要内容来源于天池龙珠计划寒假训练营教材，部分内容有修改。
原文地址：
添加链接描述
1、XGBoost 的优缺点：
1.1 XGBoost的主要优点：
简单易用。相对其他机器学习库，用户可以轻松使用XGBoost

			
		

	



		

			
		



	

		

			

				
					
xgboost linux安装

				
			

			

				

					fresh_sugar
				

				

					06-28
					
					1613
					
				

			

		

		

			
				
xgboost是GBDT算法的实现，可以做回归，分类，和排序。支持各种语言调用，支持单机和分布式。非常适合于大规模数据集安装从项目主页下载源码，解压。[root@biostacs qgzang]# git clone --recursive https://github.com/dmlc/xgboost
Cloning into 'xgboost'...
remote: Counting obje...

			
		

	





	

		

			

				
					
linux 下安装xgboost

				
			

			

				

					CV前沿
				

				

					05-03
					
					2万+
					
				

			

		

		

			
				
第一步：安装anaconda安装xgboost 有一些依赖包，所以在安装xgboost之前需要安装这些依赖包。为了方便安装，这里推荐直接安装anaconda，这里集成了绝大多数第三方库，安装步骤很方便，这里是具体方法第二步：下载xgboost官网的最新版xgboost 在编译时候总有问题，可能是版本过新的缘故。这里我使用的是之前xgboost的版本，编译很顺利。下载地址见这里第三步：编译和安装1.检

			
		

	





	

		

			

				
					
Linux下安装Xgboost并支持GPU

				
			

			

				

					01-09
				

			

		

		

			
				
Linux下安装Xgboost并支持GPU下载源码支持GPU正常流程报错：nvcc fatal : redefinition of argument ‘std’查看本机cmake版本查找报错原因确认报错原因解决办法安装Python支持查看安装包 下载源码 git clone --...

			
		

	





	

		

			

				
					
在Windows和Linux下安装xgboost和graphviz说明

				
			

			

				

					相由心生的博客
				

				

					04-22
					
					1138
					
				

			

		

		

			
				
xgboost中plot_tree()内部是依赖于graphviz插件，所以，如果想用xgboost训练数据，并将训练结果以图的形式展示处理，需要graphviz插件。我建议大家一并安装了。

其实，安装xgboost和graphviz的过程不难，只是对于初学者来说有点繁琐，所以我把装了一上午的经验总结一下，希望能给大家提供一些帮助。

前提条件是系统安装了Anaconda2.7/3.6

如果没...

			
		

	





	

		

			

				
					
Linux下ubuntu系统中anaconda安装以及xgboost安装全过程（汇总）

				
			

			

				

					weixin_44104450的博客
				

				

					07-26
					
					1198
					
				

			

		

		

			
				
1、anaconda安装
1.1安装包下载地址
https://repo.anaconda.com/archive/
或https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
1.2安装包版本对应关系
首先，解释下如何看这张表，比如我们想安装支持python3.6.5的anaconda版本，那么我们先在python3.6一栏下找到3.6.5设个...

			
		

	





	

		

			

				
					
linux下xgboost的安装与测试

				
			

			

				

					howard789的博客
				

				

					05-25
					
					1160
					
				

			

		

		

			
				
在运行前,要先将python安装好, gcc 5 以上, cmake版本也不能太低

1编译安装基础包

git clone --recursive https://github.com/dmlc/xgboost

下载后的档案在xgboost文件夹里

cd xgboost

mkdir build

cd build

cmake ..

如果报错可以先upgrade gcc,cmake版本

make -j$(nproc) //nproc是操作系统级别对每个用户创建的进程数的限制make -j...

			
		

	





	

		

			

				
					
Linux 下安装xgboost

				
			

			

				

					shuijingpaopao的博客
				

				

					05-30
					
					1266
					
				

			

		

		

			
				
0) 安装Git：
sudo apt-get install git
 
 
1) 从Github下载最新源代码：
git clone --recursive https://github.com/dmlc/xgboost
 
 
2) build：
cd xgboost
make -j4
如果是新机器，发现g++ not found错误：sudo apt-get install g++，再m...

			
		

	





	

		

			

				
					
Linux 上安装 xgboost

				
			

			

				

					寻找如意的博客
				

				

					03-30
					
					2670
					
				

			

		

		

			
				
本人安装了anaconda3最开始使用pip install xgboost 出现了错误百度后发现前提是需要安装 g++sudo apt-get install g++
使用以上命令安装g++再使用以下命令安装xgboostpip install xgboost搞定...

			
		

	





	

		

			

				
					
linux下安装xgboost

				
			

			

				

					爱问西瓜爱大树的博客
				

				

					07-03
					
					801
					
				

			

		

		

			
				
conda install -n python365 py-xgboost   #python365:虚拟环境名

在虚拟环境中不支持直接安装xgboost，而是py-xgboost 。



			
		

	





	

		

			

				
					
xgboost linux安装编译

				
			

			

				

					qq_20488317的博客
				

				

					12-04
					
					2080
					
				

			

		

		

			
				
官网安装wiki:https://xgboost.readthedocs.io/en/latest/build.html
step1:


git clone --recursive https://github.com/dmlc/xgboost


cd xgboost; make -j4

 step2:
             如果顺利会直接编译成功

			
		

	





	

		

			

				
					
linux安装xgboost快速高效方法

				
			

			

				

					zhangge3663的博客
				

				

					09-27
					
					647
					
				

			

		

		

			
				
1.先安装git


ubuntu: apt-get install git

centos: yum install git


2.下载xgboost仓库，注意有--recursive(有子模块)


git clone --recursive https://github.com/dmlc/xgboost.git

cd xgboost

./build.sh

cd python-package

python setup.py install


3.测试


python

import xg.

			
		

	





	

		

			

				
					
linux arm下安装xgboost方法及问题解决

				
			

			

				

					zcc_0015的专栏
				

				

					05-13
					
					812
					
				

			

		

		

			
				
原因：在linux环境下，没有相应的指令集，需要下载此指令转换包（sse2neon-master-6a6a03c204cdc33e7c221a8e8a048f740ffd7f7e.zip），将其放在工程文件夹下，并将解锁后的 sse2neon.h文件与工程文件放在同一文件夹下/usr/local/include。4、报错 immintrin.h：no such file or directory。6、重新执行python set_up.py install。

			
		

	





	

		

			

				
					
Xgboost安装

				
			

			

				

					super
				

				

					02-11
					
					2235
					
				

			

		

		

			
				
1 基本环境配置

Xgboost安装需要基本的环境支持，gcc，cmake，Python，它们的版本要求如下


gcc>=4.8，因为需要C++11支持
cmake，安装最新的即可
Python，安装2.7版本




2 各个环境安装


gcc安装 
从https://gcc.gnu.org/mirrors.html下载>=4.8版的源码，解压，进入到源码所在的文件夹，编译，安...

			
		

	





	

		

			

				
					
xgboost系列：windows和linux下xgboost安装指南

					
热门推荐

				
			

			

				

					一亩半分地
				

				

					06-10
					
					2万+
					
				

			

		

		

			
				
本文介绍了window和linux 下xgboost的安装及其使用，特别是在windows下，传统的方法是进行编译，本文直接使用已经编译好的dll动态链接库进行安装，省时省力。此外还介绍了linux下的xgboost的安装。为想用xgboost的童鞋节省时间:)

			
		

	





	

		

			

				
					
xgboost

				
			

			

				

					m0_53412274的博客
				

				

					07-12
					
					1169
					
				

			

		

		

			
				
文章目录一.XGBoost原理1.目标函数2.第t颗树3.泰勒公式展开4.定义一颗树5.定义树的复杂度6.叶子节点归组7.树结构打分8.分裂一个节点9.寻找最佳分裂点10.停止分裂二.XGBoost实战1.简单流程2.参数解析3.建立模型4.

再牛逼的技术也挡不过傻逼似的坚持。
一.XGBoost原理
1.目标函数

y^i\hat y_iy^​i​是第i个样本xix_ixi​的预测值

2.第t颗树
XGBoost是一个加法模型，假设我们第t次迭代要训练的树模型是ft()f_t()ft​()，则有：



			
		

	





	

		

			

				
					

				
			

			

				

					
				

			

		

		

			
				

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		
评论 2

	

  

	
    

      

      

      

        
        

          
          

            

              成就一亿技术人!
            

            

              拼手气红包6.0元
            

          

        

        

          

            还能输入1000个字符
          

          

             
          

          

            

              红包
              添加红包
            

            

              表情包
              插入表情
              

                

              

            

            

              表情包
              代码片
              

                
              

            

            

              
              
              
              
              
              
              
            

          

        

      

    

		

			

			

			
			

					 条评论被折叠 查看
			

			

				
			

		

	

	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值