想在 gpu 上使用使用閃電般快速的提公升方法？了解這個庫就好了。在很多任務上，它都比 lightgbm 和 xgboost 快。儘管近年來神經網路復興並大為流行，但提公升演算法在訓練樣本量有限、所需訓練時間較短、缺乏調參知識等場景依然有其不可或缺的優勢。目前代表性的提公升方法有 catboost、light gbm 和 xgboost 等，本文介紹一項新的開源工作，它構建了另一種基於 gpu 的極速梯度提公升決策樹和隨機森林演算法。
那麼我們為什麼加速 gbdt 和隨機森林？2017 年，乙份 kaggle 調查顯示，資料探勘和機器學習從業者中分別有 50%、46% 和 24% 的人使用決策樹、隨機森林和 gbm。gbdt 和隨機森林經常被用來建立當前最佳的資料科學解決方案，這就要求我們能使用 gpu 在大型資料集上完成高效訓練。
兩棵決策樹的整合方法，選自 xgboost 文件。
儘管 xgboost 等庫已經支援 gpu 了，但畢竟不是一開始就為 gpu 而設計的，因此在優化和加速上會有一些瑕疵。而 thundergbm 旨在幫助使用者輕鬆高效地應用 gbdt 和隨機森林來解決問題，它可以利用 gpu 完成高效訓練。
對於 gpu 而言，thundergbm 在很多任務上都比其它幾個庫要快。
thundergbm 的主要特徵如下：
thundergbm **和訓練的整體流程。
thundergbm 主要作者包括新加坡國立大學的 zeyi wen 和 qinbin li、華南理工大學的 jiashuai shi 等，指導教師為 nus 的 bingsheng he。
入門指南
thundergbm 要求開發環境滿足 cmake 2.8 或更高版本；對於 linux，使用 gcc 4.8 或更高版本；c++boost； cuda 8 或更高版本。
git clone thundergbm# under the directory of thundergbmgit submodule init cub && git submodule update
複製**
#under the directory of thundergbmmkdir build && cd build && cmake .. && make -j
複製**
./bin/thundergbm-train ../dataset/machine.conf./bin/thundergbm-predict ../dataset/machine.conf複製**相關研究
如果讀者對實現的技術及模型細節感興趣，可以查閱原**：
一道演算法題
兩個燒杯，乙個放糖乙個放鹽，用勺子舀一勺糖到鹽，攪拌均勻，然後舀一勺混合 物會放糖的燒杯，問你兩個燒杯哪個雜質多？一樣多吧 對的 為啥？是不是因為 糖和鹽本來就是均勻的 因為，就算不攪拌均，你放一勺過去，那邊放一勺不含雜質的過來，那麼都是一勺雜之 如果攪拌均勻的話也是一樣 小依 21 45 32 也...
一道演算法題
1.上午主要做了對翻譯任務的劃分，下午把 翻譯完畢。2.明天要講的演算法題 對乙個集合，求出其連續元素組成的子集中，和最大的子集 我對這道題的理解是 1 若集合中最小值大於0，意味著所有的都大於0，則最大的子集和，為所有值加起來 2 若集合中最大值小於0，意味著所有的都小於0，則最大的子集和，為集合...
一道oracle試題
做不出來時感覺好難啊，思路千千萬，就是沒想到用 order by 和 rownum 題目如下 有下面三個表 商品product 商品號productid，商品名productname，單價unitprice，商品類別category，商provider 顧客customer 顧客號customeri...