dask-xgboost 0.1.7

示例

fromdask.distributedimportClientclient=Client('scheduler-address:8786')# connect to clusterimportdask.dataframeasdddf=dd.read_csv('...')# use dask.dataframe to load anddf_train=...# preprocess datalabels_train=...importdask_xgboostasdxgbparams={'objective':'binary:logistic',...}# use normal xgboost paramsbst=dxgb.train(client,params,df_train,labels_train)>>>bst# Get back normal XGBoost result<xgboost.core.Boosterat...>predictions=dxgb.predict(client,bsg,data_test)

工作原理

有关使用dask.dataframe进行预处理的更多信息，请参见 Dask.dataframe documentation。

一旦您创建了合适的数据和标签，我们就可以开始分发 XGBoost培训。每个dask工作人员都设置一个xgboost从机并 他们有足够的信息找到对方。然后达斯克工人们 内存中的pandas数据帧到xgboost（一个dask数据帧就是多个pandas 数据帧分布在许多机器的内存中。XGBoost手柄 无dask干扰的分布式自主训练。XGBoost然后是hands 返回单个xgboost.Boosterresult对象。

较大示例

有关更严重的示例，请参见

• This blogpost
• This notebook
• This screencast

历史记录

开发过程中的对话发生在dmlc/xgboost #2032