xgboost是大规模并行boosted tree的工具，它是目前最快最好的开源boosted tree工具包，比常见的工具包快10倍以上。在数据科学方面，有大量kaggle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，支持在YARN, MPI, Sungrid Engine等各个平台上面运行，并且保留了单机并行版本的各种优化，使得它可以很好地解决于工业界规模的问题。这篇文章为xgboost的实现原理。

陈天奇xgboost英文论文，本文详细介绍了xgboost的原理，讲解通俗易懂，深入浅出，不过是英文版，适合有一定英文基础的开发者阅读。

python实现xgboost模型，对数据进行分类预测和概率预测

自己写一个小例子，用xgboost实现做分类，希望大家不吝赐教，有什么需要改正问题及时和我联系，谢谢大家，，，，

XGBoost 分类模型的Python实现-附件资源

数据简介：电力用户的95598工单数据、电量电费营销数据等为基础，综合分析电费敏感客户特征，建立客户电费敏感度模型，对电费敏感用户的敏感程度进行量化评判，帮助供电企业快速、准确的识别电费敏感客户，从而对应的提供有针对性的电费、电量提醒等精细化用电服务。 在初赛中，参赛者需要以电力用户的95598工单数据、供电抢修服务数据、停电信息数据为基础，结合对受理工单文本内容的分析挖掘，建立客户停电敏感度模型，对客户对于停电事件的敏感程度进行量化分析，确定用户对停电事件是否敏感。 在复赛中，参赛者需要以电力用户的95598工单数据、电量电费营销数据等为基础，综合分析电费敏感客户特征，建立客户电费敏感度模型，对电费敏感用户的敏感程度进行量化评判，帮助供电企业快速、准确的识别电费敏感客户，从而对应的提供有针对性的电费、电量提醒等精细化用电服务。

XGBoost是很多CART回归树的集成， 也是一个大规模、 分布式的 通 用 GBDT 库 。 它 在 GB 框 架 下 实 现 了 GBDT （换 句 话 说XGBoost 拓展了GBDT） ， 以及一些广义的线性机器学习算法。

可编译安装，源代码分析 ，目前是最新版的，方便下载使用

xgboost Python3.5 windows 安装包(whl格式，直接pip install 即可)

这是很全的机器学习理论的知识，是最好的自学机器学习的速查文档和速学方式，里面的内容涵盖机器学习的很多领域，从机器学习面试题集锦，到特征工程，正则等基础知识，到sklearn，spark等分布式，从线性回归，逻辑回归，决策树，朴素贝叶斯，adaboost，xgb，lightgbm，GBDT等主流的监督学习算法，到聚类，pca等非监督学习算法，从推荐系统到关联分析，svd等。最后一个OTO实战。 希望能够帮助到自学机器学习的小伙伴。