XGBoost(eXtreme Gradient Boosting)는 결정 트리를 순차적으로 더해 예측 오차를 줄이는 gradient boosting 알고리즘을 구현한 오픈소스 machine learning 라이브러리다. 워싱턴 대학교의 Tianqi Chen이 개발해 2014년 공개했으며, 정규화, 병렬 처리, 결측값 처리를 더해 속도와 정확도를 높였다. Python, R, Java, C++ 등에서 쓸 수 있다.
Kaggle 같은 데이터 과학 경진대회에서 우승 모델에 자주 쓰이며 널리 알려졌고, 분류·회귀·순위 예측 등 표 데이터 과제의 기본 도구로 자리 잡았다. LightGBM, CatBoost와 함께 gradient boosting 라이브러리의 대표로 꼽힌다.