XGBoost是诸如Kaggle等数据科学竞赛选手的利器。在特征属于许多不同范畴时，XGBoost的表现通常优于神经网络，因此它适合用于组合手工构造的特征。
在特征较多，样本较多时，XGBoost的训练也会比较慢，我们可以考虑使用GPU进行加速。
GPU加速插件安装
安装GPU加速插件时需要重新编译XGBoost，在编译时指定相应选项。
- 首先从github上clone整个repo的代码
git clone --recursive [https://github.com/dmlc/xgboost.git](https://github.com/dmlc/xgboost.git)
- 不同的操作系统编译方式不同，详见此处
在Linux系统下
cd xgboost
mkdir build
cd build
cmake .. -DPLUGIN_UPDATER_GPU=ON
make -j
- 编译完成后，生成libxgboostXX.so,接着安装xgboost的python包,Linux下
cd python-package
sudo python setup.py install
GPU加速插件的使用
设置tree_method为gpu_exact或gpu_hist即可。
也可以调整使用的GPU数目和次序，例如
param['tree_method'] = 'gpu_hist'
param['n_gpus'] = -1 # -1表示使用所有GPU
param['gpu_id'] = 1 # 从GPU 1 开始
常用参数如下所示
gpu插件相关参数
