XGboost-网格调参法（转载与测试）

一、原理

一篇好文：
https://www.jianshu.com/p/7467e616f227

二、网格调参
用xgboost既可以用来做二分类、多分类，也可以用来做回归预测数值，除了特征之外，影响模型的是如何调参了，一般是按一定的步骤、网格搜索最优参数，如下两篇文章一个是用来分类，一个是用来预测数值的案例，并且详细给出了调参的步骤和代码：
https://blog.csdn.net/han_xiaoyang/article/details/52665396 （用来分类XGBClassifier）
https://segmentfault.com/a/1190000014040317 (用来预测数字，XGBRegressor)

三、实践
参考以上的博客，用iris经典数据集进行多分类的预测（三个类别）。

• 载入库

import pandas as pd
import numpy as np
import xgboost as xgb
from sklearn.model_selection import GridSearchCV
from xgboost.sklearn import XGBClassifier
from sklearn import metrics
import matplotlib.pyplot as plt

• 数据集

from sklearn.datasets import load_iris
iris = load_iris()
X,y = iris.data,iris.target

• 用Early Stop检查过拟合

model = XGBClassifier()
eval_set =[(X_test,y_test)]
model.fit