xgboost算法scala jar包

ml-projects：基于ML的项目，例如垃圾邮件分类，时间序列分析，使用随机森林进行文本分类，深度学习，贝叶斯，Python中的Xgboost

机器学习与算法源代码10： 机器学习神器：XGBoost&LightGBM模型.zip

weka-xgboost 此软件包需要在系统中。 该软件包与Weka> = 3.9.1兼容 它可以作为非官方软件包安装在Weka中（您可以从下载预构建软件包）。 可从Weka GUIChooser的“工具”菜单中获得GUI软件包管理器。 您可以通过选择右侧“非官方”框中的zip文件来安装软件包。 然后，Xgboost分类器应出现在weka资源管理器的“树”子菜单下。

回归预测 | MATLAB实现XGBoost多输入单输出（完整源码和数据） 多输入单输出，运行环境MATLAB2018b及以上。

xgboost解释器 一个R包，使xgboost模型完全可解释

帕金森病检测 使用XGBoost检测帕金森氏病，并使用Flask进行部署。 使用的语言：Python 3.7，Html5，CSS3。 该Web应用程序正在开发中，目前托管在两个云平台中： IBM Cloud： : Heroku云： ：

员工流失预测 这是使用xgboost＆GBDT＆Lightgbm＆ngboost预测员工流失的项目

xgboost调参教程 ，适合机器学习 与风控评分卡调参相关学习。

Boosting 方法的主要⽬标是将弱分类器“提升” 为强分类器，根据前⼀个弱分类器的训练效果对样本分布进行调整，再根据新的样本分布训练下⼀个弱分类器，如此迭代，最后将⼀系列弱分类器组合成⼀个强分类器。 XGBoost是boosting算法的其中一种。Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。 手写xgboost算法，几乎实现xgboost的所有算法，之中有与xgboost库进行比较xgboos的性能和方法，结果是差不多的，达到了预期的要求，简单的数据集也放在了上面。 并且这之中包括详细的注释，也包括了很多有关于xgboost的原理，是我手写xgboost算法之中做的一些记录和笔记，这里面也有对数据集的种种可视化，数据集也在文件里面。