安装步骤参考的是：

“Installing XGBoost For Anaconda on Windows”：https://www.ibm.com/developerworks/community/blogs/jfp/entry/Installing_XGBoost_For_Anaconda_on_Windows?lang=zh

一、安装前的准备

In order to install and use XGBoost with Python you need three software on your windows machine:

A Python installation such as Anaconda.

MINGW

具体实现：

(1)选用Anaconda3的Python3.X版本，然后下载 Git并安装好。

(2)在C:\Users\Administrator路径下创建XGBoost文件夹，在此文件下右击鼠标菜单选择Git Bash

(3)Then download XGBoost by typing the following commands.

$ git clone --recursive https://github.com/dmlc/xgboost

$ cd xgboost

$ git submodule init

$ git submodule update

(4)安装 MinGW-W64下载地址

(5)点击Next后选择x86_64这项，其他选项不要改：

默认安装地址：

C:\Program Files\mingw-w64\x86_64-7.2.0-posix-seh-rt_v5-rev1

(6)将Git和mingw32-make所在路径分别添加到系统环境变量中：

E:\program Files\Git\cmd

C:\Program Files\mingw-w64\x86_64-7.2.0-posix-seh-rt_v5-rev1\mingw64\bin

(7)关掉Git Bash终端并重新打开，检查环境变量是否添加成功：

$ which mingw32-make

(8)成功的话应该是输出这样的：

(9)为了简便起见，更改下名称：

$ alias make='mingw32-make'

二、接下来开始搭建XGBoost

(1)在xgboost路径下运行Git Bash

(2)分别输入以下命令：

每次命令输入成功后再进行下一个命令。如果不成功，用Git命令里面多重复几次。

$ cd dmlc-core

$ make -j4

$ cd ../rabit

$ make lib/librabit_empty.a -j4

$ cd ..

$ cp make/mingw64.mk config.mk

$ make -j4

...

...

直到最后命令完成后，Build成功，关闭Git Bash。

(3)接下来安装Python模块

我们用Anaconda Prompt终端执行分别如下命令：

1 cd XGBoost\xgboost\python-package2 python setup.py install

注：我有两台电脑，两台安装都是在Anaconda Prompt终端输入，如果是用win+R系统自己的cmd输入，我发现总是失败

(更新：后来发现cmd可以了，而且在执行完前面两个命令后，在cmd中输入pip install xgboost就可以正常使用xgboost了，且直接import xgboost as xgb就行，省略了后面涉及的import os,mingw_path3,os.environ这3条命令)。

以下为具体：

三、 现在可以正常使用XGBoost了

(1)在jupyter notebook (在IPython中进行也可以)中依次输入：

1 importos2 mingw_path = 'C:\\Program Files\\mingw-w64\\x86_64-7.2.0-posix-seh-rt_v5-rev1\\mingw64\\bin'

3 os.environ['PATH'] = mingw_path + ';' + os.environ['PATH']

成功运行的例子：

1 importxgboost as xgb2 importnumpy as np3

4 data = np.random.rand(5,10) #5 entities, each contains 10 features

5 label = np.random.randint(2, size=5) #binary target

6 dtrain = xgb.DMatrix( data, label=label)7

8 dtest =dtrain9

10 param = {'bst:max_depth':2, 'bst:eta':1, 'silent':1, 'objective':'binary:logistic'}11 param['nthread'] = 4

12 param['eval_metric'] = 'auc'

13

14 evallist = [(dtest,'eval'), (dtrain,'train')]15

16 num_round = 10

17 bst =xgb.train( param, dtrain, num_round, evallist )18

19 bst.dump_model('dump.raw.txt')

输出：

[0] eval-auc:0.5 train-auc:0.5[1] eval-auc:0.5 train-auc:0.5[2] eval-auc:0.5 train-auc:0.5[3] eval-auc:0.5 train-auc:0.5[4] eval-auc:0.5 train-auc:0.5[5] eval-auc:0.5 train-auc:0.5[6] eval-auc:0.5 train-auc:0.5[7] eval-auc:0.5 train-auc:0.5[8] eval-auc:0.5 train-auc:0.5[9] eval-auc:0.5 train-auc:0.5

(2)用IPython同样可以：

你看，都成功了！