Windows下安装python版的XGBoost教程(基于Anaconda)
来源:互联网 发布:淘宝穿过的鞋子退货 编辑:程序博客网 时间:2024/06/05 07:59
感谢博主的辛勤付出,原文链接:点击打开链接
另外,在参照这篇博客安装之前的一个小建议:建议把xgboostCode安装目录新建在你的安装盘下,因为它是一个安装文件(我是新建在放code的盘下,装完了才发现放错位置了)
XGBoost是近年来很受追捧的机器学习算法,由华盛顿大学的陈天奇提出,在国内外的很多大赛中取得很不错的名次,要具体了解该模型,可以移步GitHub,本文介绍其在Widows系统下基于Git的python版本的安装方法。
需要用到三个软件:
- python软件(本文基于Anaconda,因为自带很多库,比较方便)
- Git for Windows
- MINGW
假设都已经安装好了Anaconda,建议安装python2版本的,虽然python3也可以,但python2较为主流。再安装Git,装完之后在开始菜单里打开Git Bash,首先新建一个文件夹xgboostCode用于存放代码和下载文件,然后在刚刚打开的Bash终端中输入下面命令,定位目录。
$ cd /c/Users/xgboostCode/然后用下面的命令从GitHub下载XGBoost。
$ git clone --recursive https://github.com/dmlc/xgboost $ cd xgboost $ git submodule init $ git submodule update
还需要下载64位的编译器MinGW-W64来编译下载的代码,上面已经提供下载地址。安装的界面如下:
然后选择x86_64的Architecture,其他的选项默认。
按照指示完成安装,我电脑安装的路径为 C:\Program File
量中去,具体步骤。
关闭Git Bash终端,再次打开,刚刚添加的路径变量就生效了,输入以下命令检查效果:
$ which mingw32-make如果得到类似下面的结果,就说明配置成功了。
/c/Program Files/mingw-w64/x86_64-5.3.0-posix-seh-rt_v4-rev0/mingw64/bin/mingw32-make再输入下面的命令:
$ alias make='mingw32-make'下面就可以安装XGBoost了,首先定位到下载它的路径:
$ cd /c/Users/xgboostCode/xgboost官方给的安装指导可能不成功,我们需要用下面的命令逐个地编译子模块:
$ cd dmlc-core $ make -j4 $ cd ../rabit $ make lib/librabit_empty.a -j4 $ cd .. $ cp make/mingw64.mk config.mk $ make -j4执行完成之后就可以在Anaconda中安装XGBoost的python模块了。在电脑的开始菜单中打开Anaconda Prompt,输入下面命令:
cd xgboostCode\xgboost\python-package然后输入安装命令:
python setup.py install安装已经完成,但在调用XGBoost之前,还应该将g++的运行库路径导入到os环境路径变量中,在Anaconda中打开Ipython,或者在python的命令行里,分别输入下面的命令:
import os mingw_path = 'C:\\Program Files\\mingw-w64\\x86_64-5.3.0-posix-seh-rt_v4-rev0\\mingw64\\bin' os.environ['PATH'] = mingw_path + ';' + os.environ['PATH']下面新建一个python文件,导入XGBoost,并测试下面的代码:
import numpy as np import xgboost as xgb data = np.random.rand(5,10) # 5 entities, each contains 10 features label = np.random.randint(2, size=5) # binary target dtrain = xgb.DMatrix( data, label=label) dtest = dtrain param = {'bst:max_depth':2, 'bst:eta':1, 'silent':1, 'objective':'binary:logistic' } param['nthread'] = 4 param['eval_metric'] = 'auc' evallist = [(dtest,'eval'), (dtrain,'train')] num_round = 10 bst = xgb.train( param, dtrain, num_round, evallist ) bst.dump_model('dump.raw.txt')如果可以正常运行,那么恭喜你!安装成功~
阅读全文
0 0
- Windows下安装python版的XGBoost教程(Anaconda)
- Windows下安装python版的XGBoost教程(基于Anaconda)
- Windows下安装python版的XGBoost(Anaconda)
- Windows下安装python版的XGBoost(Anaconda)
- windows下anaconda(Python)中xgboost的安装
- Windows下安装python版的Word2Vec工具包gensim教程(基于Anaconda)
- Windows下安装python版的XGBoost(Anaconda)【成功验证,按着步骤一步一步安装能够成功】
- windows anaconda下安装xgboost
- 安装XGBoost教程(Anaconda)
- Windows下安装XGBoost(python基于Anaconda2)
- Windows下安装 XGBoost (Installing XGBoost For Anaconda on Windows)
- Anaconda 下安装xgboost
- windows下安装xgboost的python包
- Windows下python的xgboost-0.47安装
- windows下安装xgboost的python包
- windows下安装xgboost的python库
- windows下xgboost 安装教程
- windows下安装xgboost教程
- MAC 上Nginx环境搭建
- Java复习题集(三)
- POJ
- HTML iframe用法
- JavaScript——变量
- Windows下安装python版的XGBoost教程(基于Anaconda)
- Greenplum pg_hba.conf entry for host "192.168.2.111", user "gpadmin", database "template1", SSL off
- codeforces #378C(733.C) Epidemic in Monstropolis
- Kafka 踩坑记录
- VS2013中如何解决error C4996: 'fopen'问
- debian8.8建立samba服务器与win7共享文件
- Python笔记(3)----日期和时间、函数、文件I/O、File方法
- [SDOI2009]SuperGCD(高精度压位)
- 递归调用简单解析