作者：chen_h
微信号 & QQ：862251340
微信公众号：coderpai
这本书主要分为三个方面：
- XGBoost 基础知识
本部分简要介绍了XGBoost库，以便与Python中的scikit-learn库一起使用。 完成本节中的教程后，您将了解基本XGBoost模型的方法。 具体来说，这部分包括：
- 简要介绍梯度增强算法。
- 对XGBoost库的介绍以及它如此受欢迎的原因。
- 如何从头开发您的第一个XGBoost模型。
- 如何准备与XGBoost一起使用的数据。
- 如何评估训练有素的XGBoost模型的性能。
- 如何在XGBoost模型中可视化增强树。
- XGBoost高级版
本部分介绍了XGBoost库的一些更高级的功能和用法。 完成本节中的教程后，您将了解如何实现梯度提升的一些更高级功能，并扩展您的模型以适应更大的硬件平台。 具体来说，这部分包括：
- 如何将训练后的模型序列化为文件，然后加载并使用它们进行预测。
- 如何计算重要性分数并将其用于特征选择。
- 如何在训练期间监控模型的性能并设置早期停止的条件。
- 如何利用XGBoost库的并行功能更快地训练模型。
- 如何使用亚马逊云基础架构快速加速XGBoost模型的模型培训。
- XGBoost调整
本部分提供了详细说明如何配置和调整XGBoost超参数的教程。 完成本部分的教程后，您将了解如何设计参数调整实验以充分利用模型。 具体来说，这部分包括：
- 介绍XGBoost参数和启发式方法以获得良好的参数值。
- 如何调整模型中树的数量和大小。
- 如何调整模型中的学习率和树数。
- 如何在算法的随机变化中调整采样率。
