# 常规参数
- booster
- gbtree 树模型做为基分类器（默认）
- gbliner 线性模型做为基分类器
- silent
- silent=0时，不输出中间过程（默认）
- silent=1时，输出中间过程
- nthread
- nthread=-1时，使用全部CPU进行并行运算（默认）
- nthread=1时，使用1个CPU进行运算。
nthread=-1 默认采用所有cpu进行运算，比如双核四线程的cpu，就采用四个物理线程进行运算(一个物理内核模拟两个逻辑内核，每个逻辑内核一个单位时间只能做一件事情，一个逻辑内核做多件事情，就是内核交替时间处理每件事情，看起来像多件事情同时进行) # 如果nthread=12 实际还是这四个逻辑内核进行运算，但是 每个逻辑内核 处理3个线程 注意区分 cpu的物理线程(逻辑内核) 和java/python中的线程。Ref：cpu个数、核数、线程数、Java多线程关系综合 https://blog.csdn.net/ohbxiaoxin/article/details/82217498
- scale_pos_weight
- 正样本的权重，在二分类任务中，当正负样本比例失衡时，设置正样本的权重，模型效果更好。例如，当正负样本比例为1:10时，scale_pos_weight=10。
# 模型参数
- n_estimatores
- 含义：总共迭代的次数，即决策树的个数
- 调参：
- early_stopping_rounds
- 含义：在验证集上，当连续n次迭代，分数没有提高后，提前终止训练。
- 调参：防止overfitting。
- max_depth
- 含义：树的深度，默认值为6，典型值3-10。
- 调参：值越大，越容易过拟合；值越小，越容易欠拟合。
- min_child_weight
- 含义：默认值为1,。
- 调参：值越大，越容易欠拟合；值越小，越容易过拟合（值较大时，避免模型学习到局部的特殊样本）。
- subsample
- 含义：训练每棵树时，使用的数据占全部训练集的比例。默认值为1，典型值为0.5-1。
- 调参：防止overfitting。
- colsample_bytree
- 含义：训练每棵树时，使用的特征占全部特征的比例。默认值为1，典型值为0.5-1。
- 调参：防止overfitting。
# 学习任务参数
- learning_rate
- 含义：学习率，控制每次迭代更新权重时的步长，默认0.3。
- 调参：值越小，训练越慢。
- 典型值为0.01-0.2。
- objective 目标函数
- 回归任务
- reg:linear (默认)
- reg:logistic
- 二分类
- binary:logistic 概率
- binary：logitraw 类别
- 多分类
- multi：softmax num_class=n 返回类别
- multi：softprob num_class=n 返回概率
- rank:pairwise
- 回归任务
- eval_metric
- 回归任务(默认rmse)
- rmse--均方根误差
- mae--平均绝对误差
- 分类任务(默认error)
- auc--roc曲线下面积
- error--错误率（二分类）
- merror--错误率（多分类）
- logloss--负对数似然函数（二分类）
- mlogloss--负对数似然函数（多分类）
- 回归任务(默认rmse)
- gamma
- 惩罚项系数，指定节点分裂所需的最小损失函数下降值。
- 调参：
- alpha
- L1正则化系数，默认为1
- lambda
- L2正则化系数，默认为1
# 代码主要函数：
- 载入数据：load_digits()
- 数据拆分：train_test_split()
- 建立模型：XGBClassifier()
- 模型训练：fit()
- 模型预测：predict()
- 性能度量：accuracy_score()
- 特征重要性：plot_importance()
# -*- coding: utf-8 -*-
"""
###############################################################################
# 作者：wanglei5205
# 邮箱：[email protected]
# 代码：http://github.com/wanglei5205
# 博客：http://cnblogs.com/wanglei5205
# 目的：学习xgboost的XGBClassifier函数
# 官方API文档：http://xgboost.readthedocs.io/en/latest/python/python_api.html#module-xgboost.training
###############################################################################
"""
### load module
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from xgboost import XGBClassifier
from xgboost import plot_importance
### load datasets
digits = datasets.load_digits()
### data analysis
print(digits.data.shape)
print(digits.target.shape)
### data split
x_train,x_test,y_train,y_test = train_test_split(digits.data,
digits.target,
test_size = 0.3,
random_state = 33)
### fit model for train data
model = XGBClassifier(learning_rate=0.1,
n_estimators=1000, # 树的个数--1000棵树建立xgboost
max_depth=6, # 树的深度
min_child_weight = 1, # 叶子节点最小权重
gamma=0., # 惩罚项中叶子结点个数前的参数
subsample=0.8, # 随机选择80%样本建立决策树
colsample_btree=0.8, # 随机选择80%特征建立决策树
objective='multi:softmax', # 指定损失函数
scale_pos_weight=1, # 解决样本个数不平衡的问题
random_state=27 # 随机数
)
model.fit(x_train,
y_train,
eval_set = [(x_test,y_test)],
eval_metric = "mlogloss",
early_stopping_rounds = 10,
verbose = True)
### plot feature importance
fig,ax = plt.subplots(figsize=(15,15))
plot_importance(model,
height=0.5,
ax=ax,
max_num_features=64)
plt.show()
### make prediction for test data
y_pred = model.predict(x_test)
### model evaluate
accuracy = accuracy_score(y_test,y_pred)
print("accuarcy: %.2f%%" % (accuracy*100.0))
"""
95.74%
"""