xgboost在window安装(32/64位)----免编译步骤

最新推荐文章于 2020-11-18 18:47:11 发布
最新推荐文章于 2020-11-18 18:47:11 发布
阅读量2.4k 收藏 2
点赞数 3
分类专栏： Python 文章标签： xgboost 安装 免编译
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.csdn.net/xin9910/article/details/71712442
版权

首先按照常规的流程是需要对xgboost进行编译，然后再安装的。但是有一个问题就是很多人不会编译，有的是没有编译环境，于是为了免去编译，我在这里提供了编译好的文件，直接下载后安装就可以了。

1。下载文件 

32位地址：http://pan.baidu.com/s/1hrNjC8G

64位地址：

最低0.47元/天 解锁文章
鱼儿跳
关注
专栏目录
毕业论文设计 Python 实现基于CNN-BiGRU-KDE卷积双向门控循环单元多变量时间序列区间预测（含完整的程序和代码详解）
xiaoxingkongyuxi的博客
10-25 57
数据层：负责数据收集与存储，包括历史时间序列数据和用户输入数据的管理。模型层：CNN-BiGRU-KDE 模型用于预测并返回区间结果。应用层：包括用户接口（Web 或桌面应用）、API 服务及报告导出功能。监控与日志层：用于跟踪模型的运行状态与性能，并能快速检测异常。1.2。
Xgboost windows编译调试通过的经验之谈
zzzz_123123的博客
01-02 704
调了3天终于跳出来了。。 用到的工具有VS studio 2015。 PS:当时博主搞的时候不知道VS studio2017对linux支持的很好，也是后来才知道，感兴趣 的同学可以一上来就用VS studio2017试一下。 一开始是只想用VScode，但是cmake的时候openmp lib有错误，因为debug的目的是看xgboost的代码，而不是去深入了解VScode库的，所以...
xgboost-whl安装包（包含32位和64位）
09-07
xgboost-whl安装包是可以很方便的在windows7和windows10下安装修改版xgboost的包文件
【MachineLearning】手残党：windows(64位)下xgboost的安装
zaczoom的博客
03-20 3866
前言：这阵子突然对xgboost产生了极大的兴趣，参加过一些大数据比赛但也是停留在入门者瞎玩玩的级别，为了锻炼下自己也为了增加日后面试的谈资吧，来入门下当前很火的xgboost。网上有不少关于xgboost安装的教程和博客，可是因为一些用到的插件或者xgboost的版本不同等原因，初学者在安装的时候会遇到很多问题。以下就来记录下我安装的经验： 1、准备： 必要软件： Pyth
xgboost已编译版本
05-14
xgboost已编译版本，无需你再下载mingw去编译，节省您的大多数时间。直接进入python-package文件夹，使用python setup.py install安装即可
xgboost 编译记录
qq_33106591的博客
11-18 147
安装cmake wget https://cmake.org/files/v3.3/cmake-3.3.2.tar.gz tar xzvf cmake-3.3.2.tar.gz 进入解压后的目录，依次运行指令 ./bootstrap && make && make install cmake -version 安装 xgboost cd xgboost mkdir build cd build cmake … make -j4 ...
xgboost 已编译 （64位windows下 用mingw64 在 cygwin环境下编译）
03-07
具体过程可以参考 这篇博客 http://blog.csdn.net/true_love1314/article/details/60607115
WINDOWS 安装XGBoost GPU版本最新简易方法
weixin_44405644的博客
09-26 6124
一、系统配置 系统：Windows 10 64x 二、问题背景 在网上打比赛的时候通常会用到XGBoost算法，但是在数据量大或者特征多的情况下，XGBOOST的CPU版本通常会吃不消，这个时候就需要用XGBoost的GPU版本来加速一下运算速度。 网上关于安装XGBoost-GPU加速的博文大多过于复杂，需要使用Cmake进行编译。而实际上，我们使用pip进行安装的就是可以支持GPU加速的，官网解释如下： 三、执行步骤 1. 安装cuda a. 检查是否安装了CUDA 在dos中输入 nvc
如何在windows系统Python上安装xgboost ?
weepon的博客
09-26 1172
转载请注明作者和出处： http://blog.csdn.net/u013829973 系统版本：window 7 （64bit） 我的GitHub：https://github.com/weepon在网上各种帖子上看到安装神器xgboost的方法，踩了半天的坑终于把xgboost安装好了，特写此文记录，也为后人做个参考，不废话了，下面开始安装所需环境： 系统：windows 7 64 bit
小白编译AnyQ-docker&linux[CentOs]——AnyQ系列之一
ddocanwol的博客
02-01 2653
AnyQ小白编译 需要特别说明的是，因为版本更迭不同步，官方给的paddlepaddle镜像与AnyQ需要的环境并不是很匹配。除cmake版本回退以外，还有其他问题容易产生。而且官方的paddlepaddle镜像臃肿，占用存储
编译好的xgboost库
01-14
已经编译好的xgboost库，支持Python27,具体使用请看我的博客http://blog.csdn.net/qq_26623315/article/details/79055168
xgboost 0.4版本编译后32位&64位
04-26
xgboost 0.4版本编译后32位&64位，按下面链接里的说法，0.47版本不支持Windows，所以对0.4版本用vs2015社区版进行32位和64位编译，分别用于32位操作系统/32位python和64位操作系统/64位python，xgboost最新版本0.6，我测试后再上传。 http://blog.csdn.net/zhuqiuhui/article/details/50450732 https://github.com/dmlc/xgboost/blob/master/NEWS.md
xgboost编译后的
06-01
xgboost编译后的文件，下载后直接解压就可以使用
xgboost-0.80-cp37-cp37m-win_amd64.whl下载
11-05
适用于python3.7 和win64位; xgboost-0.80-cp37-cp37m-win_amd64.whl下载
windows下安装xgboost
09-15
整理后亲测有效快速在windows上安装xgboost方法，解决了缺少jni.h等问题： 1.解压，使用vs2013或以上打开..\windows\xgboost.sln，配置为“release、x64(开自己电脑情况)”，编译，无报错。 2.打开cmd，进入到xgboost的python-package目录下，然后输入python setup.py install 回车即可完成安装。 整理自：http://blog.csdn.net/jingyi130705008/article/details/71435562
XGBoost源码编译教程，以及编译后.dll文件下载（with cuda 10.2）
知识星海
12-26 2581
注：这其实是一次踩坑经历，为什么呢？因为我编译源码的目的是开启Nvidia显卡的cuda加速。但是当我编译安装完源码后，发现XGBoost其实默认pip安装的版本就支持在双显卡的笔记本下，使用Nvidia独立显卡跑计算的，根本用不着自己编译。具体的查看方法很简单： 跑一下xgboost官方的benchmark文件，在跑的过程中打开任务管理器，到“性能”标签下，查看GPU1 - cuda详情： ...
XGboost
zr7116的博客
07-07 380
树的建立不是相互独立而是递进过程，基于前面结果生成下一颗树 每加一棵树效果就会提升 ...
windows下非编译安装XGBoost
小猪观察家
12-07 201
在各种比赛还是神马东东的机器学习算法中，XGBoost算作是神器了。 但是安装比较麻烦，下载源代码，安装c++编译器，编译。 这里介绍非编译的版本。安装飞快。 复杂自行编译版本： https://xgboost.readthedocs.io/en/latest/build.html小白版本： http://www.picnet.com.au/blogs/guido/post/2016/09
MinGW-w64支持32/64位Windows的开发工具
3. **支持 32 位和 64 位编译**：MinGW-w64 支持多种不同的 Windows 版本，包括 32 位 (x86) 和 64 位 (x86_64) 架构。这意味着开发者可以为其目标平台生成适合的可执行文件。 4. **无需第三方 C 运行时库**：MinGW...
评论 3
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