?xgboost作為橫掃kaggle的王牌算法，其學習應用速度及運行速度都極其快速。在這篇分享中，我將不在贅述xgboost的算法原理，而是整合xgboost原生函數的參數解釋以作知識歸檔。（ sklearn也封裝了xgboost，所以調用xgboost可以通過xgboost包和sklearn兩種方式 ）
?xgboost的算法思想簡單來說是通過不斷地添加樹，不斷地進行特征分裂來生長壹棵樹，即學習壹個新函數去擬合上次預測的殘差。（ 註意：新生成的樹要擬合上次預測的殘差。 ）
?這是壹個字典，裏面包含著訓練中的參數關鍵字和對應的值，形式如下：
?（1）確定學習速率和提升參數調優的初始值
?（2）max_depth 和 min_child_weight 參數調優
?（3） gamma參數調優
?（4）subsample 和 colsample_bytree 參數優
?（5）正則化參數alpha調優
?（6）降低學習速率和使用更多的決策樹