python 中 xgboost 安装

最新推荐文章于 2025-01-07 14:37:12 发布
最新推荐文章于 2025-01-07 14:37:12 发布
阅读量6.9k 收藏 2
点赞数 1
CC 4.0 BY-SA版权
分类专栏： xgboost
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。
本文链接：https://blog.youkuaiyun.com/onepiecehuiyu/article/details/51387305
本文提供了一种在Win64环境下使用Python2.7版本时安装xgboost的方法，包括安装MinGW、从GitHub获取源码、编译及最终安装过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

针对 win64  python2.7版本64位  

针对 下载并利用VS2013编译xgboost后安装失败，进行其他方法安装。


本文地址 http://blog.youkuaiyun.com/onepiecehuiyu/article/details/51387305


一、 安装MinGW

  1. 下载安装 MinGW-64: http://sourceforge.net/projects/mingw-w64/     (PC中未安装MinGW的话)
  2. 在安装界面 Architecture 选择 x86_64  以及 Threads 选择 win32
  3. 若安装在 C:\mingw64  则添加PATH环境变量 C:\mingw64\mingw64\bin
  4. 由于目录 bin\mingw64 下 mingw32-make.exe 名字太长，因此将其重命名为make
  5. 打开cmd 键入 gcc. 将会看到类似 "fatal error: no input file"语句
  6. 键入 make. 将会看到类似 "No targets specified and no makefile found"语句
  7. 安装git

二、 从github上导入xgboost

  1. cd c:\
  2. git clone --recursive https://github.com/dmlc/xgboost
  3. cd xgboost
  4. git submodule init
  5. git submodule update
  6. cp make/mingw64.mk config.mk
  7. make -j4  (此处利用cmd执行)

如果编译成功，在xgboost根目录下会出现xgboost.exe

三、 安装xgboost

  1. cd python-package  (位于xgboost目录下)
  2. python setup.py install  (在此之前先安装numpy+mkl和scipy)


如果numpy+mkl 和scipy最后还是安装不成功，建议安装anaconda，这是一个python环境集成包，自带python环境、python大部分包以及spyder。内部已包含numpy+mkl+scipy


四、 安装包列表

MingW-win64

git-win64

numpy-MKL-win64-python2.7.exe

scipy-win64-pyhont2.7.exe

编译后的xgboost (仅适用于win64)


五、 参考文献

stackOverFlow

pythonlibs

【python】Python实现XGBoost算法的详细理论讲解与应用实战
景天科技苑
08-20 2万+
XGBoost（Extreme Gradient Boosting）是一种高效且广泛使用的集成学习算法，它属于梯度提升树（GBDT）模型的一种改进。XGBoost通过引入多种优化策略，如二阶泰勒展开、正则化项、自动处理缺失值等，显著提高了模型的预测精度和性能。本文将结合实际案例，详细介绍如何在Python中使用XGBoost算法进行模型训练和预测。
python安装xgboost的方法
热门推荐
Violeteee的博客
07-08 2万+
1.进入网站 https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 根据自己python的版本下载，我的是python3.8,电脑64 2.打开CMD，切换目录到python的Scripts文件夹下，输入 pip install xgboost-0.7-cp36-cp36m-win_amd64.whl 到此，就安装成功啦！ 自己一开始想直接用清华的镜像安装，但是出错了。。。也不知道为什么，还试了好几次，都不行。最后就改变战略，重新百度，换了个方法。 就
python安装xgboost
11-24
python安装xgboost，已经编译好的了，可以直接使用安装。
python 安装xgboost_安装xgboost python m
weixin_36463040的博客
02-19 206
我在安装和运行xgboost for mac时遇到问题。我一定是错过了一些显而易见的东西，因为我知道那里有教程，我只是不知道我哪里出错了。我不太熟悉在Linux上安装的这个过程，以及各种各样的路径重要性等等。在我下一步该怎么办？也许所有的技术演讲都让我有点挣扎。在到目前为止我所做的：cd /home/myname/xgboost/python-packagels ## I can see th...
Python上安装xgboost
qq_27866857的博客
03-14 2187
用anaconda的亲测有效： 打开anaconda自带的Prompt， 输入anaconda search -t conda xgboost在里面找到可以在win64上安装的包的名字，应该是“anaconda py-xgboost”， 输入conda install -c anaconda py-xgboost
XGBoost：Python下 安装
去向前方的博客
05-24 2703
XGBoost XGBoost （eXtreme Gradient Boosting）是大规模并行boosted tree的工具，它是目前最快最好的开源boosted tree（梯度提升树）工具包，比常见的工具包快10倍以上。因为在数据科学比赛中，有大量重点内容选手选用它进行数据挖掘比赛，其中包括两个以上kaggle比赛的夺冠方案。在工业界规模方面，xgboost的分布式版本有广泛的可移植性，支...
winows下python安装xgboost的包
03-18
由于xgboost的作者在github上删除了xgboost在windows系统下的目录文件，所以导致大家无法安装xgboost。本人通过亲自实践，教大家一步步在win下安装xgboost，这个是之前的xgboost的C++版本，是在python使用xgboost之前必须的包。
Python实现XGBoost时间序列预测（完整源码和数据)
04-04
1.Python实现XGBoost时间序列预测（完整源码和数据) anaconda + pycharm + python +Tensorflow 注意事项：保姆级注释，几乎一行一注释，方便小白入门学习！ 2.代码特点：参数化编程、参数可方便更改、代码编程思路...
基于python与XGBoost实现二分类
07-11
压缩包中的文件可能包含代码示例，展示如何使用Python和XGBoost实现上述步骤。通过阅读和理解这些代码，你可以更深入地掌握如何在实际项目中运用二分类模型。记得，实践中不断试错和调整参数是提高模型性能的关键。
XGBoost.zip_python_xgboost_机器学习
07-15
"XGBoost.zip_python_xgboost_机器学习"这个标题表明了我们将探讨如何在Python环境中运用XGBoost进行机器学习模型的构建。 首先，让我们深入了解XGBoost。XGBoost是一种基于决策树的梯度提升框架，由陈天奇博士于...
python集成学习XGboost安装步骤（自己测试确保能安装）
03-04
python集成学习XGboost安装步骤（自己测试确保能安装）
xgboost安装包
11-02
xgboost的安装包。使用方法：将文件放入python文件下的Scripts文件夹下，打开cmd，到Scripts目录下输入：pip installer xgboost.dll，等待安装完成即可。
Python安装Xgboost模块的方法
weixin_65866588的博客
03-22 7811
一起学习Python呀！
如何在Python上安装xgboost？
cda2024的博客
01-07 1190
在数据科学和机器学习领域，XGBoost无疑是一款备受推崇的算法工具。它以其高效、灵活和精确的特点，成为了众多数据科学家和工程师的首选。然而，对于初学者来说，如何在Python环境中成功安装XGBoost可能会成为一个挑战。本文将详细指导你在Python上安装XGBoost的过程，帮助你快速上手这一强大的机器学习工具。
xgboost在Python的安装
songying2012的专栏
12-23 8276
xgboost在Python的安装 第一步：在github下载xgboost，地址：github，xgboost 第二步，编译生成xgboost_wrapper.dll（用于python）。用vs打开xgboost-master源文件夹下的windows文件夹，打开解决方案，官方说明是需要使用x64,release，但是我的电脑是win 8.1 32位的，只好选择了win 32
Python3.6 xgboost 安装教程（64位系统）
weixin_42948873的博客
05-29 4151
下载安装、配置环境变量 下载网址（使用Google/搜狗浏览器）：https://www.lfd.uci.edu/~gohlke/pythonlibs/ 进入网站 ctrl + F 查询 xgboost 并下拉找到 Xgboost 确认 python 版本 及电脑 系统类型 下载：xgboost-0.90-cp36-cp36m-win_amd64.whl 安装： 确认xgboost-0.9...
python3.7 安装 lightgbm 与 xgboost
鲨鱼儿的博客
01-20 2939
目录 前提：已安装 anaconda3 环境 一、安装lightgbm 二、安装xgboost 前提：已安装 anaconda3 环境 一、安装lightgbm pip install lightgbm 验证： from lightgbm.sklearn import LGBMRegressor 二、安装xgboost conda install -c anaconda py-xgboost 验证： from xgboost.sklea...
python快速安装xgboost
ustbbsy的博客
10-21 1371
我python中没有xgboost模块，于是就下载，安装。在网上搜了下，试试这个不行，那个也不行，搞了大半天也没有装上，简直要气炸了。最后，问了同学，3分钟内搞定。 现在把这个方法给大家分享一下，避免大家和我一样走弯路。 下载安装包xgboost下载地址 知乎上推荐的下载红色部分，我试了下第四个，但没有安装成功。 下载完后，我保存到了桌面。 打开windows的命令提示符 我win10
python3.6安装XGB
Julysxl的博客
08-29 561
python3.6安装Anaconda踩坑 https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost 找到 下载到Anaconda文件下的Scripts 然后打开cmd<cd /d d: 进入D盘 再cd进入下载文件所在的目录文件， 输出命令：>pip install D:\Anaconda\Scripts\xgboost-0.90-cp3...
python中xgboost库
最新发布
03-12
### Python中使用XGBoost库的方法 #### 环境准备 为了能够在Python环境中顺利运行XGBoost模型，需先准备好相应的开发环境。对于Windows操作系统下的Anaconda3用户来说，可以通过访问特定网站下载适用于不同版本Python的`.whl`文件来进行安装[^2]。 #### 安装过程注意事项 值得注意的是，在安装过程中可能会遇到依赖项的要求，例如Microsoft Visual C++ Redistributable for Visual Studio 2017可能是必需的一项前置条件。 #### 基本概念理解 了解XGBoost的工作机制有助于更好地利用该工具解决问题。其核心在于通过构建一系列决策树并组合它们的结果来提高预测准确性。具体而言，这涉及到损失函数的设计、节点分裂策略的选择以及数据稀疏性的应对措施等方面的内容[^3]。 #### 参数设置指南 合理调整参数能够显著影响最终效果。XGBoost提供了丰富的选项供使用者根据实际需求定制化调优方案，包括但不限于学习率(learning rate)、最大深度(max_depth)等重要超参设定。 ```python import xgboost as xgb from sklearn.datasets import load_boston from sklearn.model_selection import train_test_split from sklearn.metrics import mean_squared_error # 加载波士顿房价数据集作为示例 data = load_boston() X_train, X_test, y_train, y_test = train_test_split(data.data, data.target) # 创建DMatrix对象用于训练 dtrain = xgb.DMatrix(X_train, label=y_train) dtest = xgb.DMatrix(X_test, label=y_test) # 设置参数字典 params = { 'objective': 'reg:squarederror', # 对于回归任务 'eval_metric': 'rmse', } # 训练模型 bst = xgb.train(params=params, dtrain=dtrain) # 预测测试集上的目标变量值 preds = bst.predict(dtest) # 输出均方误差评估指标 print(f'Mean Squared Error: {mean_squared_error(y_true=y_test, y_pred=preds)}') ```
评论 2
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