XGBOOST常用参数介绍

在参加o2o预测比赛的时候用了xgboost模型，可是模型中的超参数很多，为了获得更好的成绩，只能一个一个参数去调，为了成绩上升0.0001分。
总结了以下xgboost中常用参数的意义：

params={'booster':'gbtree',
        #gbtree使用基于树的模型进行提升计算，gblinear使用线性模型进行提升计算
      'silent':0, #取0时表示打印出运行时信息，取1时表示以缄默方式运行
      'objective': 'rank:pairwise',
      'eval_metric':'auc',#校验数据所用评价指标
      'gamma':0.1,
      #在树的叶子节点上进一步划分所需的最小损失减少。数值越大，算法越保守。默认0
      'min_child_weight':1,
      #在线性回归模型中，这个参数是指建立每个模型所需要的最小样本数。调大这个参数能够控制过拟合，默认1
      'max_depth':6, 
      #数的最大深度。缺省值为6
      'lambda':10,
      #L2正则的惩罚系数，默认0
      'subsample':1,
      #用于训练模型的子样本占整个样本集合的比例。防止过拟合。默认1
      'colsample_bytree':1, 
      #在建立树时对特征采样的比例。缺省值为1
      'colsample_bylevel':0.66, 
      'eta': 0.01, 
      #通常最后设置eta为0.01~0.2eta通过缩减特征的权重使提升计算过程更加保守。默认0.3
      'tree_method':'exact',
      'seed':0,
      'nthread':12
      #XGBoost运行时的线程数。缺省值是当前系统可以获得的最大线程数
      }