1.XGBoost使用PMML部署的预测偏差
2.如何在Python上安装xgboost
3.Ray使用教程（一）：基本用法
4.如何在Mac OSX上安装xgboost

XGBoost使用PMML部署的预测偏差

       在使用XGBoost时，Python预测与PMML预测结果之间在小数位上出现显著偏差，特别是在4-5位小数时。刘建平Pinard和SofaSofa.io的言论证实了这种差异并非偶然，PMML加载的模型与原生模型相比存在微小误差。为了证明这一点，windows行为管理源码我们使用泰坦尼克号数据集进行了测试。

       首先，我们注意到预测过程的代码可在github.com/lizhigu/...中复现。在预处理数据后，通过PMMLPipeline封装和sklearn2pmml导出，我们对比Python和PMML的预测结果，发现从第5位小数开始出现分歧。尽管Python和PMML在叶节点表示的数值上一致，误差出现在sigmoid运算阶段，因为XGBoost使用位浮点，而PMML通过位运算后转换为位。css实例源码

       尝试修改PMML文件以模拟Python的位sigmoid运算，结果显示，即使使用了第三方扩展属性x-mathContext="float"，也无法完全复现XGBoost的精度。而对于LightGBM，尽管存在较小的精度差异，但这种情况在大部分模型中并不普遍。

       总结来说，jdqs指标源码XGBoost的PMML部署预测存在偏差，主要源于浮点运算精度的不匹配。尽管PMML能够精确转换XGBoost的树结构，但sigmoid运算的位转换未能得到完全一致的结果。因此，建议在使用PMML部署XGBoost时，预期并处理这种精度上的微小差异。

如何在Python上安装xgboost

       ä½ çš„python环境变量都还没弄好呢不能直接在cmd运行python脚本……

       å»ºè®®å‚照官方文档配置，貌似不需要VS就可以编译。

       ä»¥ä¸‹æ˜¯å®˜æ–¹å®‰è£…安装指南，英文。

       /dmlc/xgboost/blob/master/README.md

Ray使用教程（一）：基本用法

       Ray是onethink源码解析一个高效且功能丰富的分布式机器学习框架，旨在降低大规模机器学习的门槛。它拥有一系列模块，包括Ray Core、Ray Data、Ray Train、Ray Tune、Ray Serve、Ray RLlib和Ray AIR，storm的源码为人工智能领域的科研人员和工程师提供支持。

       Ray的生态位高于TensorFlow和PyTorch等深度学习框架，用于神经网络训练。通过pip命令轻松安装Ray，不同命令可安装不同库，确保安装覆盖所有功能需执行“pip install -U "ray[all]"”。Ray兼容多种操作系统和Python版本，支持从源码到Docker的安装方式。

       本教程将详细介绍Ray的安装和每个模块的基本用法，以版本2.4.0为例。首先了解Ray Core的基本分布式能力，初始化Ray后，通过装饰器控制函数或类的并行/分布式执行。

       接下来是Ray AIR（AI Runtime），它提供一个集成的API，简化了数据处理和模型训练的过程。使用xgboost时，注意配置环境以兼容Windows系统。该模块通过读取数据、预处理、定义模型和训练等步骤实现高效学习。

       Ray Train模块提供与PyTorch类似的API接口，简化了分布式训练的实现。输出结果展示了训练过程的可视化和性能指标。

       Ray Tune模块用于超参数搜索，通过定义搜索空间和目标函数，实现自动化优化。结果输出展示了搜索过程和最佳参数设置。

       Ray RLlib专注于强化学习领域，通过定义配置文件和训练算法，实现智能决策系统的构建。输出结果反映了算法的训练效果和性能指标。

       为了便于学习和实践，所有示例代码已整合至开源仓库：github.com/OpenRL-Lab/R...

       此教程仅为Ray的入门指南，后续将深入探索Ray Core、Ray RLlib、Ray AIR等模块的高级用法，并持续更新到GitHub仓库中。

如何在Mac OSX上安装xgboost

       1. Mac OSX系统一般自带python，打开终端输入python即可写python代码，所以python环境已经具备了。

       2.安装 Homebrew , 类似于ubuntu中的apt-get和centos中的yum，是OSX里面的一个非常有用软件安装工具。

       /usr/bin/ruby -e "$（curl -fsSL /Homebrew/install/master/install）"

       ç›´æŽ¥å°†ä¸Šè¿°ä»£ç ç²˜è´´è‡³ç»ˆç«¯å³å¯å®‰è£…。（安装这个软件的目的在于更新gcc版本，因为官方文档中说只有最新的gcc版本才能使xgboost支持多线程）

       3.安装最新版本的gcc （gcc-6）

       brew install gcc --without-multilib

       è¿™æ­¥æ¯”较耗时，用了将近1小时。

       4.从git上下载源码

       cd进入你想要安装的目录，然后输入下面的代码。（我是直接在打开终端的目录）

       git clone --recursive /dmlc/xgboost