都说XGBoost好用，为什么名气总不如深度学习？

来源｜Quora

整理｜AI100

AlphaGo大战柯洁、李世石后，所有人都能谈上几句深度学习。人工智能在围棋上的这场突破，最终还要归功于机器学习三巨头三十年如一日的长期研究。

相比之下，横扫Kaggle大赛的XGBoost（去年的29个获奖方案中，有17个是用XGBoost），名气可就小太多了。更何况，它的发起人还只是个名不见经传的年轻人。

有人打抱不平说，XGBoost要比深度学习更重要，这一点毫无疑问。

因为它好用，在很多情况下都更为可靠、灵活，而且准确；在绝大多数的回归和分类问题上，XGBoost的实际表现都是顶尖的。

当然，不买账的人也不少。

某Quora就撰文到，针对非常要求准确度的那些问题，XGBoost确实很有优势，同时它的计算特性也很不错。然而，相对于支持向量机、随机森林或深度学习，XGBoost的优势倒也没到那种夸张的程度。特别是当你拥有足够的训练数据，并能找到合适的深度神经网络时，深度学习的效果就明显能好上一大截。

还有用户打趣说，XGBoost的名气坏在它的名字上，深度学习一听就非常高大上，XGBoost再怎么包装也是书呆子气十足。

那么，XGBoost的发起人又是怎么说的呢？

XGBoost的发起人——陈天奇博士，他并不认可将深度学习和XGBoost截然对立起来。他谈到，这两种方法在其各自擅长领域的性能表现都非常好：

到底，XGBoost与深度学习孰优孰劣？

陈天奇在Quora上的解答如下：

不同的机器学习模型适用于不同类型的任务。深度神经网络通过对时空位置建模，能够很好地捕获图像、语音、文本等高维数据。而基于树模型的XGBoost则能很好地处理表格数据，同时还拥有一些深度神经网络所没有的特性（如：模型的可解释性、输入数据的不变性、更易于调参等）。

这两类模型都很重要，并广泛用于数据科学竞赛和工业界。举例来说，几乎所有采用机器学习技术的公司都在使用tree boosting，同时XGBoost已经给业界带来了很大的影响。

作为一名机器学习研究者，我一直在用深度学习和XGBoost。我相信，我们需要全面理解每一种模型，并能选出最适合你当前任务的那个。XGBoost、深度神经网络与其他经常要用的机器学习算法（如因子分解机、logistic回归分析等），值得机器学习行业的每一位从业者关注。这里没有一药能解百病的说法。

既然提到XGBoost在业界已经有广泛的应用，那么到底又有哪些呢？

XGBoost实际用例不完全列表

dmlc/xgboost（https://github.com/dmlc/xgboost/tree/master/demo#usecases）

谈了XGBoost的应用范围，再来客观聊聊XGBoost的性能。说到性能，就不得不说到它的一个突出特点——运行很快。

XGBoost运行很快

至于它为什么这么快，有人说C++和并行计算是主要原因，而陈天奇则一针见血说到，性能原本就是XGBoost最初的设计目标：

比如：

内存优化，大部分的内存分配在第一次加载中就完成了，之后便不再涉及动态内存分配的问题。
缓存线优化，训练模式尽可能善用缓存机制。
模型自身的改善，我们开发出模型的各种变体，从而令算法本身更具强健性、更加准确。详见：Introduction to Boosted Trees（http://xgboost.readthedocs.org/en/latest/model.html）。

另外，性能不仅仅意味着速度上的提升，在资源有限情况下你仍能对大型数据集使用该算法：

稀稀拉拉扯了这么多，您对XGBoost是什么观点呢？相比深度学习，XGBoost有什么优势和缺陷呢？欢迎在留言区写下你的宝贵观点哦。

原文链接：

https://www.quora.com/Why-is-xgboost-given-so-much-less-attention-than-deep-learning-despite-its-ubiquity-in-winning-Kaggle-solutions

https://github.com/dmlc/xgboost/tree/master/demo#usecases

https://www.quora.com/What-makes-xgboost-run-much-faster-than-many-other-implementations-of-gradient-boosting

相关推荐