极端梯度提升树，与传统的梯度提升决策树(GBDT)相比，XGBoost通过引入正则项来控制模型的复杂性，防止过拟合。

一、XGBoost算法步骤

步骤：

1.  在损失函数的基础上+正则化项 ！！！推推推，推不动了，想到泰勒展开二项式.
2.  基于泰勒展开二项式进行转换，转换为近似函数！！！转转转发现做不动了，把问题从样本   的角度转换为叶节点的角度！！！
3.  把问题从样本角度->叶子节点角度进行分析
4.  得到最终结果，打分函数->Gain值=拆分前分-（拆分后的左子树分+拆分后的右子树分）   Gain值分越小越好

二、XGBoost算法推导

三、XGBoost算法API

XGB的安装和使用    

在sklean机器学习库中没有集成xgb，想要使用xgb，需要手工安装                

pip3 install xgboost  -i  镜像

可以在xgb的官网上查看最新版本：https://xgboost.readthedocs.io/en/latest/

XGB的编码风格

• 支持非sklearn方式，也即是自己的风格
• 支持sklearn方式，调用方式保持sklearn的形式