XGBoost(eXtreme Gradient Boosting)は、決定木を順次追加して予測誤差を減らす勾配ブースティングを実装したオープンソースの機械学習ライブラリである。ワシントン大学のTianqi Chenが開発し2014年に公開したもので、正則化、並列処理、欠損値処理を加えて速度と精度を高めている。Python、R、Java、C++などから利用できる。
Kaggleなどのデータサイエンス競技で優勝モデルに多用されたことで広く知られ、分類・回帰・ランキングなど表形式データのタスクにおける標準的なツールとなった。LightGBM、CatBoostとともに勾配ブースティングライブラリの代表格とされる。