dmlc/xgboost
可扩展、可移植和分布式梯度提升（GBDT、GBRT 或 GBM）库，适用于 Python、R、Java、Scala、C 等。可在单机、Hadoop、Spark、Dask、Flink 和 DataFlow 上运行
项目简介
dmlc/xgboost 是一个用 C++ 编写的开源项目，在 GitHub 上归入「学习资源」这一类。目前累计 28,620 个 Star、8,876 次 Fork，许可协议为 Apache-2.0。
它的核心定位是：可扩展、可移植和分布式梯度提升（GBDT、GBRT 或 GBM）库，适用于 Python、R、Java、Scala、C 等。可在单机、Hadoop、Spark、Dask、Flink 和 DataFlow 上运行。官方仓库把它描述为这样的工具，我们在收录时按中文语境重新整理了这个说法，方便你快速判断它是否匹配手头的需求。
从仓库标签看，这个项目主要围绕 distributed-systems、gbdt、gbm、gbrt、machine-learning 展开。如果你正在这几个方向上找现成的实现，它值得先浏览一遍 README 与示例目录。
仓库原文：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
关键信息
| 主要语言 | C++ |
|---|---|
| 开源许可 | Apache-2.0 |
| 仓库创建 | 2014-02-06 |
| 最近推送 | 2026-08-02 |
| 收录时间 | 2026-08-03 |
| 仓库地址 | https://github.com/dmlc/xgboost |
| 克隆命令 | git clone https://github.com/dmlc/xgboost.git |
| 项目官网 | https://xgboost.readthedocs.io/ |
适合什么场景使用
直接看 README 的功能清单与快速开始，判断能否替换掉你正在手写的部分。
star 数与近期推送时间能说明项目是否活跃，挑最近半年仍有提交的模块读更划算。
先确认许可协议与 issue 的处理速度，再评估维护成本，不要只看 star 数量。
技术标签
- distributed-systems
- gbdt
- gbm
- gbrt
- machine-learning
- xgboost
