摘要：XGBoost是一个开发非常快速和准确的梯度增强模型的库，它在Kaggle数据科学竞赛中被大量的kaggle选手选用，其中包括两个以上kaggle比赛的夺冠方案在本教程中，你将了解如何在macOS上为Python安装XGBoost库，今天小编就来说说关于mac python环境安装?下面更多详细答案一起来看看吧!
mac python环境安装
摘要：XGBoost是一个开发非常快速和准确的梯度增强模型的库，它在Kaggle数据科学竞赛中被大量的kaggle选手选用，其中包括两个以上kaggle比赛的夺冠方案。在本教程中，你将了解如何在macOS上为Python安装XGBoost库。
教程概述
本教程分为以下3个部分：
1.安装MacPorts；
2.构建XGBoost；
3.安装XGBoost。
注意：我在一系列不同的macOS版本上都是使用这个过程。本教程是在macOS High Sierra（10.13.1）上编写和测试的。
安装MacPorts
你需要安装GCC和Python环境，以便为Python构建和安装XGBoost。
我推荐GCC 7和Python 3.6，我建议使用MacPorts安装这些软件。
1.有关逐步安装MacPorts和Python环境的帮助，请参阅本教程：
如何在Mac OS X上安装Python 3环境以进行机器学习和深度学习
2.安装MacPorts和一个可用的Python环境之后，可以按如下方式安装GCC 7：
sudo port install gcc7 sudo port select --set gcc mp-gcc7
3.通过查看GCC版本来确定GCC是否安装成功，如下所示：
gcc -v
你应该看到GCC的版本打印; 例如：
gcc version 7.2.0 (MacPorts gcc7 7.2.0_0)
构建XGBoost
下一步是为你的系统下载和编译XGBoost。
1.首先，从GitHub下载代码库：
git clone --recursive https://github.com/dmlc/xgboost
2.更改到xgboost目录：
cd xgboost/
3.从下载的make目录里面复制用来编译XGBoost的配置文件：
cp make/config.mk ./config.mk
4.编译XGBoost; 携带你指定系统上的核心数（例如8，根据需要更改）：
make -j8
构建过程可能需要一分钟，如果编译正常则不会产生任何错误消息，虽然可能会看到一些警告，但是这些警告可以忽略。
例如，编译的最后一个片段可能如下所示：
a - build/learner.o a - build/logging.o a - build/c_api/c_api.o a - build/c_api/c_api_error.o a - build/common/common.o a - build/common/hist_util.o a - build/data/data.o a - build/data/simple_csr_source.o a - build/data/simple_dmatrix.o a - build/data/sparse_page_dmatrix.o a - build/data/sparse_page_raw_format.o a - build/data/sparse_page_source.o a - build/data/sparse_page_writer.o a - build/gbm/gblinear.o a - build/gbm/gbm.o a - build/gbm/gbtree.o a - build/metric/elementwise_metric.o a - build/metric/metric.o a - build/metric/multiclass_metric.o a - build/metric/rank_metric.o a - build/objective/multiclass_obj.o a - build/objective/objective.o a - build/objective/rank_obj.o a - build/objective/regression_obj.o a - build/predictor/cpu_predictor.o a - build/predictor/predictor.o a - build/tree/tree_model.o a - build/tree/tree_updater.o a - build/tree/updater_colmaker.o a - build/tree/updater_fast_hist.o a - build/tree/updater_histmaker.o a - build/tree/updater_prune.o a - build/tree/updater_refresh.o a - build/tree/updater_skmaker.o a - build/tree/updater_sync.o c -std=c 11 -Wall -Wno-unknown-pragmas -Iinclude -Idmlc-core/include -Irabit/include -I/include -O3 -funroll-loops -msse2 -fPIC -fopenmp -o xgboost build/cli_main.o build/learner.o build/logging.o build/c_api/c_api.o build/c_api/c_api_error.o build/common/common.o build/common/hist_util.o build/data/data.o build/data/simple_csr_source.o build/data/simple_dmatrix.o build/data/sparse_page_dmatrix.o build/data/sparse_page_raw_format.o build/data/sparse_page_source.o build/data/sparse_page_writer.o build/gbm/gblinear.o build/gbm/gbm.o build/gbm/gbtree.o build/metric/elementwise_metric.o build/metric/metric.o build/metric/multiclass_metric.o build/metric/rank_metric.o build/objective/multiclass_obj.o build/objective/objective.o build/objective/rank_obj.o build/objective/regression_obj.o build/predictor/cpu_predictor.o build/predictor/predictor.o build/tree/tree_model.o build/tree/tree_updater.o build/tree/updater_colmaker.o build/tree/updater_fast_hist.o build/tree/updater_histmaker.o build/tree/updater_prune.o build/tree/updater_refresh.o build/tree/updater_skmaker.o build/tree/updater_sync.o dmlc-core/libdmlc.a rabit/lib/librabit.a -pthread -lm -fopenmp
安装XGBoost
现在准备在你的系统上安装XGBoost。
1.将目录切换到xgboost项目的Python包中：
cd python-package
2.安装Python XGBoost包：
sudo python setup.py install
安装非常快，在安装结束时，你可能会看到以下消息：
Installed /opt/local/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/xgboost-0.6-py3.6.egg Processing dependencies for xgboost==0.6 Searching for scipy==1.0.0 Best match: scipy 1.0.0 Adding scipy 1.0.0 to easy-install.pth fileUsing /opt/local/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages Searching for numpy==1.13.3Best match: numpy 1.13.3Adding numpy 1.13.3 to easy-install.pth fileUsing /opt/local/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages Finished processing dependencies for xgboost==0.6
3.通过打印xgboost版本来确认安装是否成功：
将以下代码保存到名为version.py的文件中：
import xgboost print("xgboost", xgboost.__version__)
从命令行运行脚本：
python version.py
如果看到XGBoost版本打印到屏幕上，则说明安装成功：
xgboost 0.6
以上为译文。
文章原标题《How to Install XGBoost for Python on macOS》，译者：黄小凡，审校：袁虎。
,
