xgboost之train方法

xgboost是个大杀器，我之前一直用的是sklearn接口，xgboost.sklearn.XGBModel，包括XGBRegressor和XGBClassifier，后来我仔细研究了一下xgb文档，发现还有原生的和试了几次以后，我喜欢上了用现在和大家分享一下。官方文档见https://xgboost.readthedocs.io/en/latest/python/python_api.html。顺便吐槽下，英语过不过六级不重要，看懂别人的说明书才重要。这次是个短篇，数据不放了，大家可以直接试一试。

============================分割线==========================

接下来是肉戏:

觉得这很酷啊。无论是xgb.cv还是网格搜索交叉验证，都是让你训练集牛逼，但是这个train方法，训练的是训练集，但是找到测试集最好的模型，是不是很帅！

模型告诉我们了，最好的迭代次数是4，这个时候训练集的ks是0.59，测试集的ks是0.259。然后我们用这个最好的模型计算测试集的预测概率值和预测标签

大家可以参考相关文档试试，也许你也会喜欢train方法