如何在 Windows 上的 python 中安装 XGBoost 包

Question

我尝试在 python 中安装 XGBoost 包。 我正在使用 windows os, 64bits 。 我经历了以下。

包目录指出xgboost在windows下不稳定，已禁用：windows上pip安装目前已禁用以进一步调查，请从github安装。 https://pypi.python.org/pypi/xgboost/

我不太精通 Visual Studio，在构建 XGBoost 时遇到了问题。 我错过了在数据科学中使用 xgboost 包的机会。

请指导，以便我可以在python中导入XGBoost包。

谢谢

Answer 1

如果您使用anaconda （或miniconda ），您可以使用以下内容：

• conda install -c anaconda py-xgboost更新 2019-09-20
• 文档

检查安装：

• 激活环境（见下文）
• 运行conda list

---

激活环境：

在 Windows 上，在您的 Anaconda Prompt 中，运行（假设您的环境名为myenv ）：

• activate myenv

在 macOS 和 Linux 上，在您的终端窗口中，运行（假设您的环境名为myenv ）：

• source activate myenv

Conda 将路径名 myenv 附加到您的系统命令中。

Answer 2

从这里构建它：

• 从这里下载 xgboost whl 文件（确保匹配您的 python 版本和系统架构，例如“xgboost-0.6-cp35-cp35m-win_amd64.whl”用于 64 位机器上的 python 3.5）
• 打开命令提示符
• cd 到您的下载文件夹（或您保存 whl 文件的任何位置） pip install xgboost-0.6-cp35-cp35m-win_amd64.whl （或您的 whl 文件的名称）

Answer 3

您首先需要通过“make”构建库，然后您可以使用 anaconda prompt（如果您希望在 anaconda 上使用）或 git bash（如果您仅在 Python 中使用它）进行安装。

首先按照以下步骤（在 Windows 上的 Git Bash 中） 按照官方指南进行操作：

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

然后在此处安装 TDM-GCC并在 Git Bash 中执行以下操作：

alias make='mingw32-make'
cp make/mingw64.mk config.mk; make -j4

最后，使用 anaconda prompt 或 Git Bash 执行以下操作：

cd xgboost\python-package  
python setup.py install 

另请参阅这些重要资源：

官方指南

在 Windows 上安装 Xgboost

在 Windows 上为 Anaconda 安装 XGBoost

Answer 4

您可以 pip install catboost。 它是最近开源的梯度提升库，在大多数情况下比 XGBoost 更准确、更快，并且具有分类特征支持。 这是图书馆的网站： https : //catboost.ai

Answer 5

以下命令应该可以工作，但是，如果此命令有问题

conda install -c conda-forge xgboost

首先激活您的环境。 假设您的环境命名为在 conda 终端中简单写入：

activate <MY_ENV>

进而

 pip install xgboost

Answer 6

在 macOS 上，以下命令可以运行 conda install -c conda-forge xgboost 但在此之前我已经阅读了一些其他文章，因此确实使用 brew 安装了 gcc

Answer 7

pip install xgboost也适用于python 3.8 ，而上面提到的其他选项对我不起作用

Answer 8

按照上述资源，我已经在Windows操作系统中安装了xgboost，到目前为止，在pip中尚不可用。 但是，我尝试使用以下功能代码来调整CV参数：

#Import libraries:
import pandas as pd
import numpy as np
import xgboost as xgb
from xgboost.sklearn import XGBClassifier
from sklearn import cross_validation, metrics   #Additional sklearn functions
from sklearn.grid_search import GridSearchCV   #Perforing grid search

import matplotlib.pylab as plt
%matplotlib inline
from matplotlib.pylab import rcParams
rcParams['figure.figsize'] = 12, 4

train = pd.read_csv('train_data.csv')
target = 'target_value'
IDcol = 'ID'

创建一个函数以获取最佳参数并以可视形式显示输出。

def modelfit(alg, dtrain, predictors,useTrainCV=True, cv_folds=5, early_stopping_rounds=50):

if useTrainCV:
    xgb_param = alg.get_xgb_params()
    xgtrain = xgb.DMatrix(dtrain[predictors].values, label=dtrain[target].values)
    cvresult = xgb.cv(xgb_param, xgtrain, num_boost_round=alg.get_params()['n_estimators'], nfold=cv_folds,
        metrics='auc', early_stopping_rounds=early_stopping_rounds, show_progress=False)
    alg.set_params(n_estimators=cvresult.shape[0])

#Fit the algorithm on the data
alg.fit(dtrain[predictors], dtrain[target_label],eval_metric='auc')

#Predict training set:
dtrain_predictions = alg.predict(dtrain[predictors])
dtrain_predprob = alg.predict_proba(dtrain[predictors])[:,1]

#Print model report:
print "\nModel Report"
print "Accuracy : %.4g" % metrics.accuracy_score(dtrain[target_label].values, dtrain_predictions)
print "AUC Score (Train): %f" % metrics.roc_auc_score(dtrain[target_label], dtrain_predprob)

feat_imp = pd.Series(alg.booster().get_fscore()).sort_values(ascending=False)
feat_imp.plot(kind='bar', title='Feature Importances')
plt.ylabel('Feature Importance Score')

现在，当调用函数以获取最佳参数时：

  #Choose all predictors except target & IDcols
  predictors = [x for x in train.columns if x not in [target]]
  xgb = XGBClassifier(
  learning_rate =0.1,
  n_estimators=1000,
  max_depth=5,
  min_child_weight=1,
  gamma=0,
  subsample=0.7,
  colsample_bytree=0.7,
  objective= 'binary:logistic',
  nthread=4,
  scale_pos_weight=1,
  seed=198)
 modelfit(xgb, train, predictors)

虽然显示了功能重要性图表，但是缺少图表顶部红色框中的参数信息： 咨询了使用linux / mac OS并安装xgboost的人员。 他们正在获取以上信息。 我想知道是否是由于特定的实现，所以我在Windows中构建并安装了它。 以及如何获取显示在图表上方的参数信息。 到目前为止，我正在获取图表，而不是其中的红色框和信息。 谢谢。

Answer 9

除了开发人员的 github 上已有的内容（从源代码构建（创建 C++ 环境等））之外，我还找到了一种更简单的方法，我在此处详细解释了该方法。 基本上，您必须访问 UC Irvine 的网站并下载 .whl 文件，然后 cd 到该文件夹​​并使用 pip 安装 xgboost。

Answer 10

XGBoost 用于应用机器学习，以其梯度提升算法而闻名，它可作为 Python 中的库使用，但必须使用cmake进行编译。

或者，您可以通过此链接下载 C 预编译库并使用pip install < FILE-NAME.whl>命令安装它。 确保您已下载与您的 Python 版本兼容的库。

我在 Anaconda(Spyder) 中使用相同的问题时遇到了这个问题。 然后只需重新启动内核，您的错误就会消失。