转自 ：https://blog.csdn.net/zz860890410/article/details/78682041
xgboost是近年来很受追捧的机器学习算法，由华盛顿大学的陈天奇提出。最近在学习机器学习，所以需要安装这一利器。然而，在网上找了很多安装xgboost的教程，有些方法太复杂，要安装额外的几个软件，有些看着简单但是自己按步骤安装了一遍，进行测试的时候还是没有成功。
最近终于发现了一个超级简单的办法，主要是发现了这个神奇的网址：
https://www.lfd.uci.edu/~gohlke/pythonlibs/点击打开链接
里面包含了许多库的.whl文件。需要快速定位可以在上边的网址后面接着输入 #<package_name>，比如要快速定位到xgboost库，可以输入https://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboost。结果如下图所示：
根据自己系统选择对应的文件。我自己的是win 64位，anaconda3默认的python3.6环境，所以选择的最后一个。下载下来之后把文件保存在一个文件夹中，如 D:\Anaconda3\mywhl。mywhl是在Anaconda3文件夹下自定义的一个文件夹。接下来启动 Anaconda Prompt. 将路径定位到放置.whl文件的目录下。
接下来输入 pip install xgboost-0.6+20171121-cp36-cp36m-win_amd64.whl，后边的一大串是完整的文件名，不要输错哦！！！结果如下：
最后一行显示安装成功了，自己也可以使用命令 conda list 或者 pip list 查看清单里面是否有xgboost库。
最后来进行测试，打开spyder，建立一个.py文件，输入下列测试代码：
-
import numpy as np -
import xgboost as xgb -
data = np.random.rand(5,10) # 5 entities, each contains 10 features -
label = np.random.randint(2, size=5) # binary target -
dtrain = xgb.DMatrix( data, label=label) -
dtest = dtrain -
param = {'bst:max_depth':2, 'bst:eta':1, 'silent':1, 'objective':'binary:logistic' } -
param['nthread'] = 4 -
param['eval_metric'] = 'auc' -
evallist = [(dtest,'eval'), (dtrain,'train')] -
num_round = 10 -
bst = xgb.train( param, dtrain, num_round, evallist ) -
bst.dump_model('dump.raw.txt')
运行成功。结果如下：
PS：下载的文件系统会提示木马 别理他！