如何对xgboost模型进行优化

1.xgboost可以调参的参数如下：
n_estimatores
含义：总共迭代的次数，即决策树的个数
调参：70，80，90
max_depth
含义：树的深度，默认值为6，典型值3-10。
调参：3，值越大，越容易过拟合；值越小，越容易欠拟合
scale_pos_weight
含义：正负样本权重占比,。
调参：130，正样本权重越高，召回率越高，精度越低。正样本权重越低召回率越低，精度越高。
learning_rate
含义：学习率,。
调参：0.05
colsample_bytree
含义：训练每棵树时，使用的特征占全部特征的比例。默认值为1，典型值为0.5-1，防止overfitting。
调参：0.8，1
其余未调节参数
alpha L1正则化系数，默认为1
lambda L2正则化系数，默认为1
early_stopping_rounds
含义：在验证集上，当连续n次迭代，分数没有提高后，提前终止训练。
调参：防止overfitting。
min_child_weight
含义：默认值为1,。
调参：值越大，越容易欠拟合；值越小，越容易过拟合（值较大时，避免模型学习到局部的特殊样本）。