可伸缩且灵活的梯度提升

灵活的

支持回归, 分类, 排序和用户定义的目标函数.

可移植的

可以在 Windows, Linux 和 OS X , 以及各种云平台环境上运行

多语言的

支持多种语言, 包括 C++, Python, R, Java, Scala, Julia.

实战检验的

赢得了许多数据科学和机器学习方面的挑战. 多家公司已经在生产环境中使用.

分布式的

支持在多台机器上进行分布式训练, 包括 AWS, GCE, Azure 和 Yarn 集群. 可以被 Flink, Spark 以及其它的云数据流系统进行集成.

高性能的

经过充分优化的后端系统在资源有限的情况下可以获得最佳性能. 在代码一致的情况下, 分布式的版本解决了超过数十亿样本的问题.