XGBoost算法案例与调参实例
XGBoost优化的分布式梯度增强库，旨在实现高效，灵活和便携。在Gradient Boosting框架下实现机器学习算法。提供了并行树提升（也称为GBDT，GBM），可以快速准确地解决许多数据科学问题。 相同的代码在主要的分布式环境（Hadoop，SGE，MPI）上运行，并且可以解决超过数十亿个样例的问题。利用了核外计算并且能够使数据科学家在一个主机上处理数亿的样本数据。最终，将这些技术进行结合来做一个端到端的系统以最少的集群系统来扩展到更大的数据集上。以CART决策树为子模型，通过Gradi
