**
XGBoost参数
**
在运行XGBoost之前，我们必须设置三种类型的参数：常规参数，增强器参数和任务参数。
一般参数与我们用来进行增强的助推器有关，通常是树状模型或线性模型
增压器参数取决于您选择的增压器
学习任务参数决定学习场景。例如，回归任务可以对排名任务使用不同的参数。
命令行参数与XGBoost的CLI版本的行为有关。
常规参数
booster[默认= gbtree]
使用哪个助推器。可以gbtree，gblinear或者dart; gbtree并dart使用基于树的模型，同时gblinear使用线性函数。
silent [默认值= 0] [不推荐使用]
不推荐使用。请verbosity改用。
verbosity [默认值= 1]
打印消息的详细程度。有效值为0（静默），1（警告），2（信息），3（调试）。有时，XGBoost会尝试根据启发式来更改配置，该显示为警告消息。如果出现意外行为，请尝试增加详细程度的值。
nthread [如果未设置，默认为最大可用线程数]
用于运行XGBoost的并行线程数
disable_default_eval_metric [默认= 0]
标记以禁用默认指标。设置为> 0禁用。
num_pbuffer [由XGBoost自动设置，无需由用户设置]
预测缓冲区的大小，通常设置为训练实例数。缓冲区用于保存最后提升步骤的预测结果。
num_feature [由XGBoost自动设置，无需由用户设置]
用于增强的特征尺寸，设置为特征的最大尺寸
Tree Booster的参数
eta[默认= 0.3，别名：learning_rate]
更新中使用的步长收缩，以防止过度拟合。在每个增强步骤之后，我们都可以直接获得新特征的权重，并eta缩小特征权重以使增强过程更加保守。
范围：[0,1]
gamma[默认= 0，别名：min_split_loss]
在树的叶节点上进行进一步分区所需的最小损失减少。越大gamma，算法将越保守。
范围：[0，∞]
max_depth [默认= 6]
一棵树的最大深度。增加此值将使模型更复杂，并且更可能过度拟合。仅lossguided当tree_method设置为hist并且表示深度没有限制时，才在增长策略中接受0 。注意，训练一棵深树时，XGBoost会大量消耗内存。
范围：[0，∞]（仅lossguided当tree_method设置为时，增长策略才接受0 hist）
min_child_weight [默认值= 1]
子级中实例重量的最小总和（hessian）。如果树分区步骤导致叶节点的实例权重之和小于min_child_weight，则构建过程将放弃进一步的分区。在线性回归任务中，这仅对应于每个节点中需要的最少实例数。越大min_child_weight，算法将越保守。
范围：[0，∞]
max_delta_step [默认= 0]
我们允许每个叶子输出的最大增量步长。如果将该值设置为0，则表示没有约束。如果将其设置为正值，则可以帮助使更新步骤更加保守。通常不需要此参数，但是当类极度不平衡时，它可能有助于逻辑回归。将其设置为1-10的值可能有助于控制更新。
范围：[0，∞]
subsample [默认值= 1]
训练实例的子样本比率。将其设置为0.5意味着XGBoost将在树木生长之前随机采样一半的训练数据。这样可以防止过度拟合。二次采样将在每个增强迭代中进行一次。
范围：（0,1]
colsample_bytree，colsample_bylevel，colsample_bynode[默认= 1]
这是用于列二次采样的一组参数。
所有colsample_by参数的范围为（0，1]，默认值为1，并指定要进行二次采样的列的分数。
colsample_bytree是构造每棵树时列的子采样率。对每一个构造的树进行一次二次采样。
colsample_bylevel是每个级别的列的子样本比率。对于树中达到的每个新深度级别，都会进行一次二次采样。从为当前树选择的一组列中对列进行子采样。
colsample_bynode是每个节点（拆分）的列的子样本比率。每次评估新的分割时，都会进行一次二次采样。列是从为当前级别选择的一组列中进行子采样的。
colsample_by参数累积工作。例如，具有64个功能的组合将在每个拆分中保留8个功能供您选择。{‘colsample_bytree’:0.5, ‘colsample_bylevel’:0.5, ‘colsample_bynode’:0.5}
lambda[默认= 1，别名：reg_lambda]
L2正则化权重项。增加此值将使模型更加保守。
alpha[默认= 0，别名：reg_alpha]
权重的L1正则化项。增加此值将使模型更加保守。
tree_method字符串[default = auto]
XGBoost中使用的树构建算法。请参阅参考文件中的描述。
XGBoost支持hist和approx分布式训练和唯一支持approx外部存储器的版本。
选择：auto，exact，approx，hist，gpu_hist
auto：使用启发式选择最快的方法。
对于中小型数据集，exact将使用精确贪婪（）。
对于非常大的数据集，approx将选择近似算法（）。
由于旧行为总是在单个计算机上使用完全贪婪，因此，当选择近似算法来通知该选择时，用户将收到一条消息。
exact：精确的贪婪算法。
approx：使用分位数草图和梯度直方图的近似贪婪算法。
hist：快速直方图优化的近似贪婪算法。它使用了一些性能改进，例如垃圾箱缓存。
gpu_hist：GPU hist算法的实现。
sketch_eps [默认值= 0.03]
仅用于tree_method=approx。
这大致转化为箱数。与直接选择垃圾箱数量相比，这具有草图准确性的理论保证。O(1 / sketch_eps)
通常，用户不必对此进行调整。但是，请考虑设置较低的数字，以更精确地枚举拆分后的候选人。
范围：（0，1）
scale_pos_weight [默认值= 1]
控制正负权重的平衡，这对于不平衡的班级很有用。需要考虑的典型值：。有关更多讨论，请参见参数调整。另外，请参见Higgs Kaggle竞赛演示，例如：R，py1，py2，py3。sum(negative instances) / sum(positive instances)
updater[默认= grow_colmaker,prune]
逗号分隔的字符串定义要运行的树更新程序的顺序，从而提供了一种构造和修改树的模块化方法。这是一个高级参数，通常会根据其他一些参数自动设置。但是，它也可以由用户显式设置。存在以下更新程序：
grow_colmaker：基于树的非分布式列结构。
distcol：具有基于列的数据拆分模式的分布式树结构。
grow_histmaker：基于直方图计数全局提议的基于行的数据拆分的分布式树结构。
grow_local_histmaker：基于本地直方图计数。
grow_skmaker：使用近似草图算法。
sync：同步所有分布式节点中的树。
refresh：根据当前数据刷新树的统计信息和/或叶值。注意，不对数据行进行随机子采样。
prune：修剪损失<min_split_loss（或gamma）的分割。
在分布式设置中，grow_histmaker,prune默认情况下会将隐式更新程序序列值调整为，您可以将其设置tree_method为hist使用grow_histmaker。
refresh_leaf [默认值= 1]
这是refresh更新程序的参数。当此标志为1时，将更新树叶以及树节点的统计信息。当它为0时，仅更新节点统计信息。
process_type[默认= default]
一种运行的加速过程。
选择：default，update
default：创建新树的常规增强过程。
update：从现有模型开始，仅更新其树。在每次增强迭代中，都会从初始模型中提取一棵树，为该树运行指定的更新程序序列，然后将修改后的树添加到新模型中。新模型将具有相同或更少数量的树，具体取决于执行的增强迭代次数。当前，以下内置更新程序可与此进程类型有意义地使用：refresh，prune。使用process_type=update，不能使用创建新树的更新程序。
grow_policy[默认= depthwise]
控制将新节点添加到树的方式。
当前仅在tree_method设置为时受支持hist。
选择：depthwise，lossguide
depthwise：在最靠近根的节点处拆分。
lossguide：在损耗变化最大的节点处拆分。
max_leaves [默认= 0]
要添加的最大节点数。仅在grow_policy=lossguide设置时相关。
max_bin，[默认值= 256]
仅在tree_method设置为时使用hist。
用于存储连续特征的最大不连续回收箱数。
增加此数目可提高拆分的最佳性，但需要增加计算时间。
predictor，[default =’'cpu_predictor``]
要使用的预测器算法的类型。提供相同的结果，但允许使用GPU或CPU。
cpu_predictor：多核CPU预测算法。
gpu_predictor：使用GPU进行预测。默认tree_method值为gpu_hist。
num_parallel_tree，[default = 1]-
每次迭代期间构造的并行树的数量。此选项用于支持增强型随机森林。
Dart Booster的其他参数（booster=dart）
注意
使用predict()与DART助推器
如果booster对象是DART类型，predict()将执行删除操作，即，仅对某些树进行评估。如果data不是训练数据，将会产生不正确的结果。为了获得正确的测试结果，请设置ntree_limit为非零值，例如
preds = bst.predict(dtest, ntree_limit=num_round)
sample_type[默认= uniform]
采样算法的类型。
uniform：统一选择掉落的树木。
weighted：按重量选择掉落的树木。
normalize_type[默认= tree]
归一化算法的类型。
tree：新树的重量与每棵掉落的树相同。
新树的重量是。1 / (k + learning_rate)
掉落的树木的缩放比例为。k / (k + learning_rate)
forest：新树的权重等于被丢弃树（森林）的总和。
新树的重量是。1 / (1 + learning_rate)
掉落的树木的缩放比例为。1 / (1 + learning_rate)
rate_drop [默认值= 0.0]
退出率（在退出过程中要丢弃的先前树的一部分）。
范围：[0.0，1.0]
one_drop [默认= 0]
启用此标志后，在删除过程中始终至少要丢弃一棵树（允许从原始DART纸张进行二项式加一或epsilon删除）。
skip_drop [默认值= 0.0]
在增强迭代过程中跳过退出过程的可能性。
如果跳过了退出，则以与相同的方式添加新树gbtree。
请注意，非零的skip_drop优先级高于rate_drop或one_drop。
范围：[0.0，1.0]
Linear Booster的参数（booster=gblinear）
lambda[默认= 0，别名：reg_lambda]
L2正则化权重项。增加此值将使模型更加保守。归一化为训练示例数。
alpha[默认= 0，别名：reg_alpha]
权重的L1正则化项。增加此值将使模型更加保守。归一化为训练示例数。
updater[默认= shotgun]
选择适合线性模型的算法
shotgun：基于shot弹枪算法的平行坐标下降算法。使用“ hogwild”并行性，因此每次运行都产生不确定的解决方案。
coord_descent：普通坐标下降算法。同样是多线程的，但仍会产生确定性的解决方案。
feature_selector[默认= cyclic]
特征选择和排序方法
cyclic：通过一次循环浏览功能来进行确定性选择。
shuffle：类似于，cyclic但在每次更新前都会随机进行改组。
random：随机（带替换）坐标选择器。
greedy：选择梯度最大的坐标。它具有O(num_feature^2)复杂性。这是完全确定的。top_k通过设置top_k参数，它可以将选择限制为每组具有最大单变量权重变化的特征。这样做将降低复杂度O(num_feature*top_k)。
thrifty：节俭的近似贪婪的特征选择器。在循环更新之前，对特征的重排序以其单变量权重变化的降序进行。此操作是多线程的，是二次贪婪选择的线性复杂度近似值。top_k通过设置top_k参数，它可以将选择限制为每组具有最大单变量权重变化的特征。
top_k [默认= 0]
要选择的最重要特征数greedy和thrifty特征选择器。值0表示使用所有功能。
Tweedie回归参数
（objective=reg:tweedie）
tweedie_variance_power [默认值= 1.5]
控制Tweedie分布方差的参数 var(y) ~ E(y)^tweedie_variance_power
范围：（1,2）
设置为接近2即可转向伽玛分布
设置为接近1即可转变为泊松分布。
学习任务参数
指定学习任务和相应的学习目标。目标选项如下：
objective [default = reg：squarederror]
reg:squarederror：损失平方回归。
reg:squaredlogerror：对数损失平方回归 12[log(pred+1)−log(label+1)]212[log(pred+1)−log(label+1)]2。所有输入标签都必须大于-1。另外，请参阅指标rmsle以了解此目标可能存在的问题。
reg:logistic：逻辑回归
binary:logistic：二元分类的逻辑回归，输出概率
binary:logitraw：用于二进制分类的逻辑回归，逻辑转换之前的输出得分
binary:hinge：二进制分类的铰链损失。这使预测为0或1，而不是产生概率。
count:poisson –计数数据的泊松回归，泊松分布的输出平均值
max_delta_step
在泊松回归中默认设置为0.7（用于维护优化）
survival:cox：针对正确的生存时间数据进行Cox回归（负值被视为正确的生存时间）。请注意，预测是按危险比等级返回的（即，比例危险函数中的HR = exp（marginal_prediction））。h(t) = h0(t) * HR
multi:softmax：设置XGBoost以使用softmax目标进行多类分类，还需要设置num_class（类数）
multi:softprob：与softmax相同，但输出向量，可以进一步重整为矩阵。结果包含属于每个类别的每个数据点的预测概率。ndata * nclassndata * nclass
rank:pairwise：使用LambdaMART进行成对排名，从而使成对损失最小化
rank:ndcg：使用LambdaMART进行列表式排名，使标准化折让累积收益（NDCG）最大化
rank:map：使用LambdaMART进行列表平均排名，使平均平均精度（MAP）最大化
reg:gamma：使用对数链接进行伽马回归。输出是伽马分布的平均值。例如，对于建模保险索赔严重性或对可能是伽马分布的任何结果，它可能很有用。
reg:tweedie：使用对数链接进行Tweedie回归。它可能有用，例如，用于建模保险的总损失，或用于可能是Tweedie-distributed的任何结果。
base_score [默认值= 0.5]
所有实例的初始预测得分，整体偏差
对于足够的迭代次数，更改此值不会有太大影响。
eval_metric [根据目标默认]
验证数据的评估指标，将根据目标分配默认指标（回归均方根，分类误差，排名的平均平均精度）
用户可以添加多个评估指标。Python用户：记住将指标作为参数对的列表而不是映射进行传递，以使后者eval_metric不会覆盖前一个
下面列出了这些选择：
rmse：均方根误差
rmsle：均方根对数误差： 1N[log(pred+1)−log(label+1)]2−−−−−−−−−−−−−−−−−−−−−−−−−−√1N[log(pred+1)−log(label+1)]2。reg:squaredlogerror目标的默认指标。此指标可减少数据集中异常值所产生的错误。但是由于log采用功能，rmsle可能nan在预测值小于-1时输出。有关reg:squaredlogerror其他要求，请参见。
mae：平均绝对误差
logloss：负对数似然
error：二进制分类错误率。计算公式为。对于预测，评估会将预测值大于0.5的实例视为肯定实例，而将其他实例视为否定实例。#(wrong cases)/#(all cases)
error@t：可以通过提供’t’的数值来指定不同于0.5的二进制分类阈值。
merror：多类分类错误率。计算公式为。#(wrong cases)/#(all cases)
mlogloss：多类logloss。
auc：曲线下面积
aucpr：PR曲线下的面积
ndcg：归一化累计折扣
map：平均平均精度
ndcg@n，map@n：'n’可以被指定为整数，以切断列表中的最高位置以进行评估。
ndcg-，map-，ndcg@n-，map@n-：在XGBoost，NDCG和MAP将评估清单的比分没有任何阳性样品为1加入-在评价指标XGBoost将评估这些得分为0，是在一定条件下一致“”。
poisson-nloglik：泊松回归的负对数似然
gamma-nloglik：伽马回归的对数似然比为负
cox-nloglik：Cox比例风险回归的负对数似然率
gamma-deviance：伽马回归的残余偏差
tweedie-nloglik：Tweedie回归的负对数似然（在tweedie_variance_power参数的指定值处）
seed [默认= 0]
随机数种子。
命令行参数
以下参数仅在XGBoost的控制台版本中使用
num_round
提升轮数
data
训练数据的路径
test:data
测试数据进行预测的路径
save_period [默认= 0]
保存模型的时间段。设置save_period=10意味着XGBoost每10轮将保存一个模型。将其设置为0意味着在训练期间不保存任何模型。
task[默认= train]选项：train，pred，eval，dump
train：使用数据进行训练
pred：预测测试：数据
eval：用于评估指定的统计信息 eval[name]=filename
dump：用于将学习到的模型转储为文本格式
model_in [默认值= NULL]
路径输入模型，需要的test，eval，dump任务。如果在训练中指定了XGBoost，它将从输入模型继续训练。
model_out [默认值= NULL]
训练完成后输出模型的路径。如果未指定，则XGBoost将输出名称为0003.modelwhere 0003of boosting rounds的文件。
model_dir[默认= models/]
训练期间保存的模型的输出目录
fmap
特征图，用于转储模型
dump_format[default = text]选项：text，json
模型转储文件的格式
name_dump[默认= dump.txt]
模型转储文件的名称
name_pred[默认= pred.txt]
预测文件的名称，在pred模式下使用
pred_margin [默认= 0]
预测利润率而不是转换概率
