參考XGBoost庫

1 XGBoost分布式梯度提升庫

XGBoost，全稱為eXtreme Gradient Boosting，是一個優(yōu)化的分布式梯度提升庫，旨在高效、靈活且便攜。它在Gradient Boosting框架下實現(xiàn)了機器學習算法，并廣泛用于分類、回歸和排序任務。XGBoost之所以受到廣泛歡迎，主要歸功于它的速度和性能，這是通過并行處理、樹剪枝、正則化等技術實現(xiàn)的。
(1)速度與性能：XGBoost在訓練模型時進行了優(yōu)化，可以快速地執(zhí)行并且得到準確的結果。
(2)跨平臺：XGBoost支持在Linux、Windows和macOS上運行，并且可以在Python、R、Java等多種語言中使用。
(3)靈活性：XGBoost允許用戶自定義優(yōu)化目標和評價標準。
(4)易于使用：可以輕松地在Scikit-learn或Pandas的DataFrame上使用XGBoost。

1.1 主要函數(shù)(自身庫)

一、xgb.DMatrix()函數(shù)
用于將數(shù)據(jù)轉換為XGBoost的數(shù)據(jù)結構。

import xgboost as xgb
dtrain = xgb.DMatrix(</