dmlc/xgboost：README に基づく導入ガイド

dmlc/xgboost の README はプロジェクトを「Scalable, Portable and Distributed Gradient Boosting (GBDT, GBRT or GBM) Library, for Python, R, Java, Scala, C and more. Runs on single machine, Hadoop, Spark, Dask, Flink and DataFlow」と説明しています。ここではリポジトリで確認できる事実だけを整理します。star 数やバッジは注目度の手掛かりであり、品質の証明ではありません。「README」には次の説明があります。XGBoost is an optimized distributed gradient boosting library designed to be highly efficient, flexible and portable. It implements machine learning algorithms under the Gradient Boosting and can solve problems beyond billions of examples.。これは範囲の説明であり、本番検証の結果ではありません。

README の「README」にある内容から、用途が合うかを先に判断できます。XGBoost originates from research project at University of Washington.。目的が違うなら、人気だけで採用する理由にはなりません。プロジェクト名やコマンドは原文のまま残し、一次資料へ戻って用語を確認できるようにしています。 README には次の確認可能な項目もあります。Tianqi Chen and Carlos Guestrin. XGBoost: A Scalable Tree Boosting System. In 22nd SIGKDD Conference on Knowledge Discovery and Data Mining, 2016。初回テストの材料にはなりますが、実際の環境での確認を省略する理由にはなりません。

動作の説明は「README」など複数の箇所に分かれています。確認できる情報は次の通りです。Contribute to XGBoost --------------------- XGBoost has been developed and used by a group of active community members. Your help is very valuable to make the package better for everyone. Checkout the Community Page.。書かれていない構成、性能、セキュリティを推測で補いません。導入時はディレクトリ、設定ファイル、release 履歴を確認してください。

初回導入は README の入口から始めます。確認できるコマンドは次の通りです。 README 没有给出可直接复制的安装命令。 実行可能なコマンドがない場合は手順を作らず、「Sponsors」で依存関係、待受ポート、初回設定を確認します。

日常運用は公式文書の範囲に限ります。「README」にはSponsors -------- Become a sponsor and get a logo here. See details at Sponsoring the XGBoost Project.とあります。設定、環境変数、権限、データ保存先は明記されたものだけを扱います。未記載の既定値は隔離環境で確認し、戻せる設定を保存してください。 同じ資料にはTianqi Chen and Carlos Guestrin. XGBoost: A Scalable Tree Boosting System. In 22nd SIGKDD Conference on Knowledge Discovery and Data Mining, 2016ともあります。