工具準備

1. git客戶端（可到http://download.csdn.net/download/playezio/10204935下載）
2. anaconda3（由於外網下載慢，可到https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/下載）
3. xgboost.dll（可到http://download.csdn.net/download/playezio/10204935下載）

第一步:下載安裝git

這裡是windows下git安裝： 

前兩步如上圖選擇，接下來預設即可。

第二步:bash操作

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

第三步:放置已經編譯好的xgboost.dll

       進入到http://www.picnet.com.au/blogs/guido/post/2016/09/22/xgboost-windows-x64-binaries-for-download/，(也可到工具準備處下載)，如果不是GPU版本的選擇非GPU版本即可，下載libxgboost.dll到第二步install_xgboost/python_package/xgboost內（一般存放在c盤users處），本地cd到install_xgboost/python_package內，執行python setup.py install即可 

最後:重啟anaconda中的spyder即可

import xgboost as xgb
import numpy as np
data = np.random.rand(5,10) # 5 entities, each contains 10 features
label = np.random.randint(2, size=5) # binary target
dtrain = xgb.DMatrix( data, label=label)
dtest = dtrain
param = {'bst:max_depth':2, 'bst:eta':1, 'silent':1, 'objective':'binary:logistic' }
param['nthread'] = 4
param['eval_metric'] = 'auc'
evallist  = [(dtest,'eval'), (dtrain,'train')]
num_round = 10
bst = xgb.train( param, dtrain, num_round, evallist )
bst.dump_model('dump.raw.txt')