企业官网建设流程全解析

【前言】
网上基于MATLAB的xgboost安装教程太少了，以至于几乎搜不到，为此做了一个简单安装教程

【安装前提】
有matlab软件，版本越高越好，我用的是2023a。理论支持matlab2018a及其以上，因此需要自己提前安装好matlab

【安装步骤】

首先下载xgboost_matlab_installer.7z

将这个安装包解压到一个非中文且没有空格目录。比如我解压到了

C:\Users\Administrator\Downloads\xgboost_matlab

打开FIRC.exe软件，界面如下

单击matlab安装路径文字可以自动获取matlab安装路径

粘贴邀请码后点击开始安装，状态说明安装已完成，目前大约3秒可以完成。软件自动配置matlab且完成所有xgboost配置自动改写。

【验证安装】

我们打开matlab2023a并切换到xgboost安装目录

可以看到有main.m这个是测试例子，我们点击运行

结果如下：

至此安装完成！总结如下：

第一步：下载解压软件安装包

第二步：软件上导入matlab安装目录点击开始安装，等待安装完成

第三步：验证，这个代码实际是xgboost_train拷贝过来的：

clear all warning off load carsmall; Xtrain = [Acceleration Cylinders Displacement Horsepower MPG]; ytrain = cellstr(Origin); ytrain = double(ismember(ytrain,'USA')); X = Xtrain(1:70,:); y = ytrain(1:70); Xtest = Xtrain(size(X,1)+1:end,:); ytest = ytrain(size(X,1)+1:end); model_filename = []; model = xgboost_train(X,y,[],999,'AUC',model_filename); %%% model_filename = 'xgboost_model.xgb' loadmodel = 0; Yhat = xgboost_test(Xtest,model,loadmodel); [XX,YY,~,AUC] = perfcurve(ytest,Yhat,1); figure; plot(XX,YY,'LineWidth',2); xlabel('False positive rate'); ylabel('True positive rate'); title('ROC for Classification by Logistic Regression'); grid on figure; scatter(Yhat,ytest + 0.1*rand(length(ytest),1)); grid on