XGBoost

定义 Definition

XGBoost（eXtreme Gradient Boosting，极端梯度提升）是一种高效的梯度提升树（GBDT）算法与开源库，常用于分类、回归与排序等机器学习任务，以性能强、训练快、可处理缺失值和正则化能力著称。（除算法外，它也常指该软件包本身。）

发音 Pronunciation（IPA）

/ˈɛks dʒiː buːst/

例句 Examples

I trained an XGBoost model to predict house prices.
我训练了一个 XGBoost 模型来预测房价。

After careful feature engineering and cross-validation, XGBoost outperformed our baseline logistic regression by a large margin.
在仔细进行特征工程并做交叉验证后，XGBoost 的表现明显优于我们的基线逻辑回归模型。

词源 Etymology

“XGBoost”来自“eXtreme Gradient Boosting”的缩写与变体写法：X 代表“eXtreme（极端/强化）”，GBoost 指“Gradient Boosting（梯度提升）”。该名称强调其在工程实现上的优化（速度、并行化、正则化等），使梯度提升树更“强劲”。

相关词 Related Words

• Adaboost
• Catboost
• Cross-validation
• Decision Tree
• Ensemble
• Gradient Boosting
• Lightgbm
• Random Forest
• Regularization
• Scikit-learn

文学/著作中的用例 Literary Works

• XGBoost: A Scalable Tree Boosting System（Tianqi Chen & Carlos Guestrin，2016）：提出并系统阐述 XGBoost 的核心实现与可扩展性。
• Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow（Aurélien Géron）：在实践型机器学习语境中讨论并对比包括 XGBoost 在内的强力树模型。
• Machine Learning with Python Cookbook（Chris Albon）：以“配方”形式展示如何在 Python 工作流中使用包括 XGBoost 在内的常见模型与技巧。