請(qǐng)您勇敢地去翻譯和改進(jìn)翻譯。雖然我們追求卓越，但我們并不要求您做到十全十美，因此請(qǐng)不要擔(dān)心因?yàn)榉g上犯錯(cuò)——在大部分情況下，我們的服務(wù)器已經(jīng)記錄所有的翻譯，因此您不必?fù)?dān)心會(huì)因?yàn)槟氖д`遭到無(wú)法挽回的破壞。（改編自維基百科）

• 通過(guò)在 Python 中使用 XGBoost 提前停止來(lái)避免過(guò)度擬合（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/avoid-overfitting-by-early-stopping-with-xgboost-in-python.md）

• 如何在 Python 中調(diào)優(yōu) XGBoost 的多線(xiàn)程支持（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/best-tune-multithreading-support-xgboost-python.md）

• 如何配置梯度提升算法（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/configure-gradient-boosting-algorithm.md）

• 在 Python 中使用 XGBoost 進(jìn)行梯度提升的數(shù)據(jù)準(zhǔn)備（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/data-preparation-gradient-boosting-xgboost-python.md）

• 如何使用 scikit-learn 在 Python 中開(kāi)發(fā)您的第一個(gè) XGBoost 模型（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/develop-first-xgboost-model-python-scikit-learn.md）

• 如何在 Python 中使用 XGBoost 評(píng)估梯度提升模型（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/evaluate-gradient-boosting-models-xgboost-python.md）

• 在 Python 中使用 XGBoost 的特征重要性和特征選擇（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/feature-importance-and-feature-selection-with-xgboost-in-python.md）

• 淺談機(jī)器學(xué)習(xí)的梯度提升算法（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/gentle-introduction-gradient-boosting-algorithm-machine-learning.md）

• 應(yīng)用機(jī)器學(xué)習(xí)的 XGBoost 簡(jiǎn)介（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/gentle-introduction-xgboost-applied-machine-learnin.md）

• 如何在 macOS 上為 Python 安裝 XGBoost（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/install-xgboost-python-macos.md）

• 如何在 Python 中使用 XGBoost 保存梯度提升模型（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/save-gradient-boosting-models-xgboost-python.md）

• 從梯度提升開(kāi)始，比較 165 個(gè)數(shù)據(jù)集上的 13 種算法（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/start-with-gradient-boosting.md）

• 在 Python 中使用 XGBoost 和 scikit-learn 進(jìn)行隨機(jī)梯度提升（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/stochastic-gradient-boosting-xgboost-scikit-learn-python.md）

• 如何使用 Amazon Web Services 在云中訓(xùn)練 XGBoost 模型（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/train-xgboost-models-cloud-amazon-web-services.md）

• 在 Python 中使用 XGBoost 調(diào)整梯度提升的學(xué)習(xí)率（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/tune-learning-rate-for-gradient-boosting-with-xgboost-in-python.md）

• 如何在 Python 中使用 XGBoost 調(diào)整決策樹(shù)的數(shù)量和大小（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/tune-number-size-decision-trees-xgboost-python.md）

• 如何在 Python 中使用 XGBoost 可視化梯度提升決策樹(shù)（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/visualize-gradient-boosting-decision-trees-xgboost-python.md）

• 在 Python 中開(kāi)始使用 XGBoost 的 7 步迷你課程（https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/xgboost-python-mini-course.md）