1.Xgboost建模，sklearn评估 2.网格搜索交叉验证找最优参数 3.early-stop早停止 4.特征重要度 5.并行训练加速 #预估器建模方式：sklearn与XGboost配合使用 #xgboost建模，sklearn评估 import pickle import xgboost as xgb import numpy as np from sklearn.model_selection import KFold, train_test_split, GridSearchCV

与前两篇内置建模方式的不同点： 预估器建模：初始化模型:xgb_classifier=xgb.XGBClassifier(参数) 拟合模型：xgb_classifier.fit(x,y) 使用模型预测：xgb_classifier.predict(test_x) 内置方式建模：参数设定: param = {‘max_depth’:5, ‘eta’:0.1, ‘silent’:1, ‘subsample’:0.7, ‘colsample_bytree’:0.7, ‘objec