那些年，VS编译和测试XGBOOST走过的坑

回首一下，XGBOOST在C++下安装和测试还是很简单的，只是有些坑注定第一次要踩。

XGBOOST源码地址：https://github.com/dmlc/xgboost，

环境：windows 7，VS2017 , cmake和gcc/g++都是最新版，至于安装gcc的方法，大家爱怎么安装就怎么安装吧。

首先clone源码，这地方有坑，git clone完后cmake会有问题，主要原因是git clone时间没有把图中带@后缀的cub,dmlc-core,rabit中的内容clone下来，这里要分别进入这些文件夹下clone。如果遇到坑，千万不要先怀疑gcc版本问题，毕竟XGBOOST的代码也在更新，会注意到gcc的版本的。

完成clone后就顺利了，创建build文件夹并进入，执行一波cmake，指令：

cmake .. -G"Visual Studio 15 2017 Win64"

VS版本不同，执行命令会稍有变化，执行完后会在build文件夹下生成sln的工程文件，

打开xgboost.sln，编译就完事了，之后会在xgboost/lib中生成xgboost.dll，把xgboost\include的h文件，xgboost\build\Release下的lib文件添加到你的新工程，并将xgboost.dll放到环境变量中或者拷贝到你的工程文件夹中就可以执行调用了。

在这里，就给大家展示一个例子吧，例子在xgboost\demo\c-api中，代码如下：

/*!
 * Copyright 2019 XGBoost contributors
 *
 * \file c-api-demo.c
 * \brief A simple example of using xgboost C API.
 */

#include 
#include 
#include "xgboost/c_api.h"

#define safe_xgboost(call) {                                            \
int err = (call);                                                       \
if (err != 0) {                                                         \
  fprintf(stderr, "%s:%d: error in %s: %s\n", __FILE__, __LINE__, #call, XGBGetLastError()); \
  exit(1);                                                              \
}                                                                       \
}

int main(int argc, char** argv) {
  int silent = 0;
  int use_gpu = 0;  // set to 1 to use the GPU for training
  
  // load the data
  DMatrixHandle dtrain, dtest;
  safe_xgboost(XGDMatrixCreateFromFile("agaricus.txt.train", silent, &dtrain));
  safe_xgboost(XGDMatrixCreateFromFile("agaricus.txt.test", silent, &dtest));
 
  // create the booster
  BoosterHandle booster;
  DMatrixHandle eval_dmats[2] = {dtrain, dtest};
  safe_xgboost(XGBoosterCreate(eval_dmats, 2, &booster));

  // configure the training
  // available parameters are described here:
  //   https://xgboost.readthedocs.io/en/latest/parameter.html
  safe_xgboost(XGBoosterSetParam(booster, "tree_method", use_gpu ? "gpu_hist" : "hist"));
  if (use_gpu) {
    // set the GPU to use;
    // this is not necessary, but provided here as an illustration
    safe_xgboost(XGBoosterSetParam(booster, "gpu_id", "0"));
  } else {
    // avoid evaluating objective and metric on a GPU
    safe_xgboost(XGBoosterSetParam(booster, "gpu_id", "-1"));
  }

  safe_xgboost(XGBoosterSetParam(booster, "objective", "binary:logistic"));
  safe_xgboost(XGBoosterSetParam(booster, "min_child_weight", "1"));
  safe_xgboost(XGBoosterSetParam(booster, "gamma", "0.1"));
  safe_xgboost(XGBoosterSetParam(booster, "max_depth", "3"));
  safe_xgboost(XGBoosterSetParam(booster, "verbosity", silent ? "0" : "1"));
  
  // train and evaluate for 10 iterations
  int n_trees = 10;
  const char* eval_names[2] = {"train", "test"};
  const char* eval_result = NULL;
  for (int i = 0; i < n_trees; ++i) {
    safe_xgboost(XGBoosterUpdateOneIter(booster, i, dtrain));
    safe_xgboost(XGBoosterEvalOneIter(booster, i, eval_dmats, eval_names, 2, &eval_result));
    printf("%s\n", eval_result);
  }

  // predict
  bst_ulong out_len = 0;
  const float* out_result = NULL;
  int n_print = 10;

  safe_xgboost(XGBoosterPredict(booster, dtest, 0, 0, &out_len, &out_result));
  printf("y_pred: ");
  for (int i = 0; i < n_print; ++i) {
    printf("%1.4f ", out_result[i]);
  }
  printf("\n");

  // print true labels
  safe_xgboost(XGDMatrixGetFloatInfo(dtest, "label", &out_len, &out_result));
  printf("y_test: ");
  for (int i = 0; i < n_print; ++i) {
    printf("%1.4f ", out_result[i]);
  }
  printf("\n");

  // free everything
  safe_xgboost(XGBoosterFree(booster));
  safe_xgboost(XGDMatrixFree(dtrain));
  safe_xgboost(XGDMatrixFree(dtest));
  while (1);
  return 0;
}

其中，我修改了agaricus.txt.test和agaricus.txt.train的文件路径，他们原本在xgboost\demo\data中，执行结果：

分类效果还是挺好的，实际应用加一级LR，效果更佳。