终于把XGBoost总结写出来了！

↑↑↑关注后"星标"Datawhale

每日干货 & 每月组队学习，不错过

 Datawhale干货 

作者：王茂霖，华中科技大学，Datawhale成员

内容概括

XGBoost模型及调参总结

1. XGBoost原理

2. XGBoost优势总结

3. XGBoost参数详解

4. XGBoost快速使用

5. XGBoost调参方法

PPT下载：后台回复“210502”可获取

XGBoost模型介绍

一、XGBoost原理

XGBoost是2016年由华盛顿大学陈天奇老师带领开发的一个可扩展机器学习系统。严格意义上讲XGBoost并不是一种模型，而是一个可供用户轻松解决分类、回归或排序问题的软件包。它内部实现了梯度提升树(GBDT)模型，并对模型中的算法进行了诸多优化，在取得高精度的同时又保持了极快的速度。

二、XGBoost优势总结

XGBoost模型调参

一、XGBoost参数详解

1.一般参数

2.学习目标参数

3.工具包参数

二、XGBoost快速使用

三、XGBoost调参方法（贝叶斯优化）

Hyperopt是一个sklearn的python库，在搜索空间上进行串行和并行优化，搜索空间可以是实值，离散和条件维度。

1.初始化空间所需的值范围

2.定义目标函数

3.运行hyperopt功能

本文作者

王茂霖，Datawhale重要贡献成员，Datawhale&天池数据挖掘学习赛开源内容贡献者，阅读超10w。

参赛30余次，获得DCIC-数字中国创新创业大赛亚军，全球城市计算AI挑战赛，Alibaba Cloud German AI Challenge等多项Top10。

整理不易，点赞三连↓