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
- XGBoost原理
- XGBoost优势总结
- XGBoost参数详解
- XGBoost快速使用
- 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。
