XGBoost

XGBoost
Información general
Tipo de programa	biblioteca de software
Desarrollador	Colaboradores de XGBoost
Lanzamiento inicial	27 de marzo del 2014
Licencia	Apache License 2.0
Información técnica
Programado en	R Python Julia C++ Java Ruby C Swift
Versiones
Última versión estable	2.0.3 / 19 de diciembre del 2023 ()
Enlaces
Sitio web oficial Repositorio de código
[editar datos en Wikidata]

XGBoost ^[1]​ (eXtreme Gradient Boosting) es una biblioteca de software de código abierto que proporciona un marco de regularización de potenciación de gradiente para C++, Java, Python,^[2]​ R,^[3]​ Julia,^[4]​ Perl,^[5]​ y Scala. . Funciona en Linux, Microsoft Windows,^[6]​ y macOS.^[7]​ El propósito del proyecto es ofrecer una biblioteca distribuida, portátil y escalable para potenciación de gradiente. Esta biblioteca puede operar tanto en una única máquina como en entornos de procesamiento distribuido Apache Hadoop, Apache Spark, Apache Flink y Dask.^[8]​^[9]​

A mediados de la década de 2010, XGBoost ganó mucha popularidad y atención al ser el algoritmo elegido por una gran cantidad de equipos ganadores de competiciones de aprendizaje automático.^[10]​

1. ↑ «GitHub project webpage». GitHub. June 2022. Archivado desde el original el 1 de abril de 2021. Consultado el 5 de abril de 2016. 
2. ↑ «Python Package Index PYPI: xgboost». Archivado desde el original el 23 de agosto de 2017. Consultado el 1 de agosto de 2016. 
3. ↑ «CRAN package xgboost». Archivado desde el original el 26 de octubre de 2018. Consultado el 1 de agosto de 2016. 
4. ↑ «Julia package listing xgboost». Archivado desde el original el 18 de agosto de 2016. Consultado el 1 de agosto de 2016. 
5. ↑ «CPAN module AI::XGBoost». Archivado desde el original el 28 de marzo de 2020. Consultado el 9 de febrero de 2020. 
6. ↑ «Installing XGBoost for Anaconda in Windows». IBM. Archivado desde el original el 8 de mayo de 2018. Consultado el 1 de agosto de 2016. 
7. ↑ «Installing XGBoost on Mac OSX». IBM. Archivado desde el original el 8 de mayo de 2018. Consultado el 1 de agosto de 2016. 
8. ↑ «Dask Homepage». Archivado desde el original el 14 de septiembre de 2022. Consultado el 15 de julio de 2021. 
9. ↑ «Distributed XGBoost with Dask — xgboost 1.5.0-dev documentation». xgboost.readthedocs.io. Archivado desde el original el 4 de junio de 2022. Consultado el 15 de julio de 2021. 
10. ↑ «XGBoost - ML winning solutions (incomplete list)». GitHub. Archivado desde el original el 24 de agosto de 2017. Consultado el 1 de agosto de 2016.