介绍一下xgb_xgboost实战，一篇就好

介绍：

之前学习了xgb的通俗介绍，和从数学的角度深入看了一下xgb的数学原理 。其实一般情况下，你知道如何运用就可以了。人们常说 人和动物的最大区别是会使用工具，而不是说了解工具的原理。 所以你用好xgb是一个最基础工作，咱得会。

学习一个算法实战，一般按照以下几步，第一步能够构建一个模型，第二步是能够优化一个模型 。

本章，我们将学习以下内容如果使用xgboost构建分类器

xgboost 的参数含义，以及如何调参

xgboost 的如何做cv

xgboost的可视化

准备数据 ：

我们使用boston 房价数据 ，做的是一个回归任务，分类任务类似。

导入包

from sklearn import datasets

import pandas as pd

import xgboost as xgb

import numpy as np

from sklearn.metrics import mean_squared_error

from sklearn.model_selection import train_test_split

import matplotlib.pyplot as plt

读入和展示数据

boston = datasets.load_boston()

data = pd.DataFrame(boston.data)

data.columns = boston.feature_names

data['price'] = boston.target<