【XGBoost 2.0正式发布】
- 开发了多目标树模型，可以为多目标回归、多标签分类等建立一个树，可以防止过拟合、产生更小的模型，并考虑目标之间的相关性。
- 添加了新的device参数，用于选择运行设备，取代之前的gpu相关参数。
- hist成为默认的树构建算法，之前会根据数据和环境选择approx或exact，现在默认hist可以提高效率。
- 支持在GPU上使用approx树构建算法。性能还未充分优化，但已具备大部分功能。
- 为hist新增最大缓存节点数参数，控制CPU缓存占用，防止过度缓存占用过多内存。
- 优化了外部内存支持，使用内存映射替代文件IO，大幅提升hist性能，减少CPU内存占用。
- 新增学习排序任务实现，支持不同的组对构建策略、每组样本数控制、无偏排序学习等。
’XGBoost 2.0' by dmlc GitHub: github.com/dmlc/xgboost/releases #开源# #机器学习#