XGBoost 3.3.0 リリース

XGBoost 3.3.0 が正式にリリースされました。このリリースでは、期待分位数回帰（expectile regression）の導入、カテゴリ特徴のデフォルト有効化、ベクトルリーフ多出力ツリーのSHAPサポート拡張、CPU/GPU/分散トレーニングのパフォーマンス向上などが含まれています。

期待分位数回帰 新しい reg:expectileerror 目的関数と expectile 評価指標により、非対称の二乗損失回帰が可能になりました。分位数回帰とは異なり、期待分位数曲線は交差しないため、複数の分布レベルを同時に推定する際に安定しています。リスク敏感な予測や不確実性モデリングに適しています。

カテゴリ特徴のデフォルト有効化 カテゴリ特徴のサポートがデフォルトで有効になり、enable_categorical=True を設定する必要がなくなりました。DataFrame のカテゴリ列をそのまま XGBoost に渡せます。必要に応じてパラメータで無効化も可能です。

ベクトルリーフツリーのSHAPサポート XGBoost 3.3.0 では、ベクトルリーフ多出力ツリーに対して正確なSHAP貢献度と相互作用予測がCPUとGPUで利用可能になりました。これにより、多出力モデルでも単出力モデルと同等の解釈性ツールが使えます。また、QuadratureTreeSHAP の採用により数値的安定性と計算速度が向上しました。

パフォーマンスとスケーラビリティの改善 CPUでは、ワイドデータセット向けにヒストグラム構築を最適化し、aarch64で sysfs によるキャッシュサイズ検出をサポート。GPUでは Philox 乱数生成器でサンプリングを高速化し、メモリ負荷を低減。分散トレーニングでは、all-to-all コレクティブが不要になり、ワーカーポートのカスタマイズが可能になりました。

Python と Spark の更新 最小サポートPythonバージョンが3.12に引き上げられ、Spark Connect ML のPySparkサポートが追加されました。データフレーム検証が改善され、PolarsのEnumサポートとpandasのユニークカラム名が必須になりました。その他、デフォルトのverbose動作の統一、python -OO クラッシュの修正などが含まれます。

JVM とビルドシステム JVMパッケージはSpark 4.0をサポートし、自動モジュール名とFreeBSD対応を追加。ビルドシステムはVisual Studio 2026に対応し、CUDA Toolkitの更新やCMake/macOSの問題を修正しました。

非推奨のお知らせ gblinearブースターは3.3.0で非推奨となり、将来のリリースで削除されます。XGBoostチームはツリーアルゴリズムに注力するため、ユーザーは他の線形モデルへの移行を検討してください。

詳細なリリースノートとインストールガイドはXGBoostドキュメントとGitHubで入手できます。