超级女王XGBoost到底“绝”在哪里?( 六 )

请参阅以下图表 , 了解几年来基于决策树的算法演变 。

基于决策树的算法演变

XGBoost算法最初由华盛顿大学的一个研究项目发展而来 。 2016年 , 陈天奇和卡洛斯·格斯特林在知识发现和数据挖掘(SIGKDD)会议上共同发表了一篇论文 , 一时间这轰动了整个机器学习领域 。

自算法提出以来 , 它不仅帮助竞赛者赢得了多场Kaggle竞赛的胜利 , 还被几款尖端行业的应用所采纳 。 在GitHub上 , 有一群强大的数据科学家们为XGBoost开源项目提供帮助 , 约有350名科学家 , 总提交次数约为3600次 。 总体而言 , XGBoost具有以下特征:

1. 应用广泛:可用于解决回归、分类、排名和用户定义的预测问题 。

2. 移植性强:可在Windows、Linux和OS X上流畅运行 。

3. 语言支持:支持目前主要的全部编程语言 , 包括C ++、Python、R、Java、Scala和Julia 。

推荐阅读