教程｜如何在mac上为Python安装XGBoost!

摘要： XGBoost是一个开发非常快速和准确的梯度增强模型的库，它在Kaggle数据科学竞赛中被大量的kaggle选手选用，其中包括两个以上kaggle比赛的夺冠方案。在本教程中，你将了解如何在macOS上为Python安装XGBoost库。

教程概述
本教程分为以下3个部分：
1.安装MacPorts；
2.构建XGBoost；
3.安装XGBoost。
注意：我在一系列不同的macOS版本上都是使用这个过程。本教程是在macOS High Sierra（10.13.1）上编写和测试的。
安装MacPorts
你需要安装GCC和Python环境，以便为Python构建和安装XGBoost。
我推荐GCC 7和Python 3.6，我建议使用MacPorts安装这些软件。
1.有关逐步安装MacPorts和Python环境的帮助，请参阅本教程：
如何在Mac OS X上安装Python 3环境以进行机器学习和深度学习
2.安装MacPorts和一个可用的Python环境之后，可以按如下方式安装GCC 7：

sudo port install gcc7
sudo port select --set gcc mp-gcc7

3.通过查看GCC版本来确定GCC是否安装成功，如下所示：

gcc -v

你应该看到GCC的版本打印; 例如：

gcc version 7.2.0 (MacPorts gcc7 7.2.0_0)

构建XGBoost
下一步是为你的系统下载和编译XGBoost。
1.首先，从GitHub下载代码库：

git clone --recursive https://github.com/dmlc/xgboost

2.更改到xgboost目录：

cd xgboost/

3.从下载的make目录里面复制用来编译XGBoost的配置文件：

cp make/config.mk ./config.mk

4.编译XGBoost; 携带你指定系统上的核心数（例如8，根据需要更改）：
make -j8
构建过程可能需要一分钟，如果编译正常则不会产生任何错误消息，虽然可能会看到一些警告，但是这些警告可以忽略。
例如，编译的最后一个片段可能如下所示：

a - build/learner.o
a - build/logging.o
a - build/c_api/c_api.o
a - build/c_api/c_api_error.o
a - build/common/common.o
a - build/common/hist_util.o
a - build/data/data.o
a - build/data/simple_csr_source.o
a - build/data/simple_dmatrix.o
a - build/data/sparse_page_dmatrix.o
a - build/data/sparse_page_raw_format.o
a - build/data/sparse_page_source.o
a - build/data/sparse_page_writer.o
a - build/gbm/gblinear.o
a - build/gbm/gbm.o
a - build/gbm/gbtree.o
a - build/metric/elementwise_metric.o
a - build/metric/metric.o
a - build/metric/multiclass_metric.o
a - build/metric/rank_metric.o
a - build/objective/multiclass_obj.o
a - build/objective/objective.o
a - build/objective/rank_obj.o
a - build/objective/regression_obj.o
a - build/predictor/cpu_predictor.o
a - build/predictor/predictor.o
a - build/tree/tree_model.o
a - build/tree/tree_updater.o
a - build/tree/updater_colmaker.o
a - build/tree/updater_fast_hist.o
a - build/tree/updater_histmaker.o
a - build/tree/updater_prune.o
a - build/tree/updater_refresh.o
a - build/tree/updater_skmaker.o
a - build/tree/updater_sync.o
c++ -std=c++11 -Wall -Wno-unknown-pragmas -Iinclude -Idmlc-core/include -Irabit/include -I/include -O3 -funroll-loops -msse2 -fPIC -fopenmp -o xgboost build/cli_main.o build/learner.o build/logging.o build/c_api/c_api.o build/c_api/c_api_error.o build/common/common.o build/common/hist_util.o build/data/data.o build/data/simple_csr_source.o build/data/simple_dmatrix.o build/data/sparse_page_dmatrix.o build/data/sparse_page_raw_format.o build/data/sparse_page_source.o build/data/sparse_page_writer.o build/gbm/gblinear.o build/gbm/gbm.o build/gbm/gbtree.o build/metric/elementwise_metric.o build/metric/metric.o build/metric/multiclass_metric.o build/metric/rank_metric.o build/objective/multiclass_obj.o build/objective/objective.o build/objective/rank_obj.o build/objective/regression_obj.o build/predictor/cpu_predictor.o build/predictor/predictor.o build/tree/tree_model.o build/tree/tree_updater.o build/tree/updater_colmaker.o build/tree/updater_fast_hist.o build/tree/updater_histmaker.o build/tree/updater_prune.o build/tree/updater_refresh.o build/tree/updater_skmaker.o build/tree/updater_sync.o dmlc-core/libdmlc.a rabit/lib/librabit.a -pthread -lm -fopenmp

安装XGBoost
现在准备在你的系统上安装XGBoost。
1.将目录切换到xgboost项目的Python包中：

cd python-package

2.安装Python XGBoost包：

sudo python setup.py install

安装非常快，在安装结束时，你可能会看到以下消息：

Installed /opt/local/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/xgboost-0.6-py3.6.egg
Processing dependencies for xgboost==0.6
Searching for scipy==1.0.0
Best match: scipy 1.0.0
Adding scipy 1.0.0 to easy-install.pth fileUsing /opt/local/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages
Searching for numpy==1.13.3Best match: numpy 1.13.3Adding numpy 1.13.3 to easy-install.pth fileUsing /opt/local/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages
Finished processing dependencies for xgboost==0.6

3.通过打印xgboost版本来确认安装是否成功：
将以下代码保存到名为version.py的文件中：

import xgboost
print("xgboost", xgboost.__version__)

从命令行运行脚本：

python version.py

如果看到XGBoost版本打印到屏幕上，则说明安装成功：

xgboost 0.6

原文：https://machinelearningmastery.com/install-xgboost-python-macos/?spm=a2c4e.11153959.blogcont460393.10.2096234ee2ZFp8

抓住AI时代机遇，从学习开始：

或点击“阅读原文”，查看详情