一、Xgboost模型參數
Xgboost模型有３種類型的參數：通用參數、輔助參數和任務參數。通用參數確定上升過程中上升模型類型，常用樹或線性模型；輔助參數取決於所選的上升模型；任務參數定義學習任務和相應的學習目標。
Xgboost模型中，常用參數說明如下：
（１）Xgboost：設置需要使用的上升模型。可選gbtree（樹）或gblinear（線性函數），默認爲gbtree。
（２）nthread：Xgboost運行時的並行線程數，默認爲當前系統可以獲得的最大可用線程數。
（３）ｅｔａ：收縮步長，即學習速率，取值範圍是，默認爲０．３。在更新葉子節點的時候，權重乘以ｅｔａ，以避免在更新過程中的過擬合。
（４）max_depth：每棵樹的最大深度，取值範圍，默認爲６。樹越深，越容易過擬合。
（５）subsample：訓練的實例樣本佔整體實例樣本的比例，取值範圍是（０，１］，默認爲１。值爲０．５時意味着Xgboost隨機抽取一半的數據實例來生成樹模型，這樣能防止過擬合。
（６）colsample_bytree :在構建每棵樹時，列（特徵）的子樣本比，參數值的範圍是（０，１］。
（７）objective:默認爲ｒｅg:ｌｉｎｅａｒ；
（８）seed：隨機數種子，爲確保數據的可重現性，默認爲０。