11. tree_method： 指定了构建树的算法，可以为下列的值：（默认为'auto' )

• 'auto'： 使用启发式算法来选择一个更快的tree_method：
  • 对于小的和中等的训练集，使用exact greedy 算法分裂节点
  • 对于非常大的训练集，使用近似算法分裂节点
  • 旧版本在单机上总是使用exact greedy 分裂节点
• 'exact'： 使用exact greedy 算法分裂节点
• 'approx'： 使用近似算法分裂节点
• 'hist'： 使用histogram 优化的近似算法分裂节点（比如使用了bin cacheing 优化）
• 'gpu_exact'： 基于GPU 的exact greedy 算法分裂节点
• 'gpu_hist'： 基于GPU 的histogram 算法分裂节点

注意：分布式，以及外存版本的算法只支持 'approx','hist','gpu_hist' 等近似算法

12. sketch_eps： 指定了分桶的步长。其取值范围为 (0,1)， 默认值为 0.03 。 它仅仅用于 tree_medhod='approx'。 它会产生大约 个分桶。它并不会显示的分桶，而是会每隔 sketch_pes 个单位（一个单位表示最大值减去最小值的区间）统计一次。 用户通常不需要调整该参数。

13. scale_pos_weight： 用于调整正负样本的权重，常用于类别不平衡的分类问题。默认为 1。 一个典型的参数值为： 负样本数量/正样本数量

14. updater： 它是一个逗号分隔的字符串，指定了一组需要运行的tree updaters，用于构建和修正决策树。默认为 'grow_colmaker,prune' 。 该参数通常是自动设定的，无需用户指定。但是用户也可以显式的指定。

15. refresh_leaf： 它是一个updater plugin。 如果为 true，则树节点的统计数据和树的叶节点数据都被更新；否则只有树节点的统计数据被更新。默认为 1

16. process_type： 指定要执行的处理过程（如：创建子树、更新子树）。该参数通常是自动设定的，无需用户指定。

17. grow_policy： 用于指定子树的生长策略。仅仅支持tree_method='hist'。 有两种策略：

• 'depthwise'： 优先拆分那些靠近根部的子节点。默认为'depthwise'
• 'lossguide'： 优先拆分导致损失函数降低最快的子节点

18. max_leaves： 最多的叶子节点。如果为0，则没有限制。默认值为 0 。 该参数仅仅和grow_policy='lossguide' 关系较大。

19. max_bin： 指定了最大的分桶数量。默认值为 256 。 该参数仅仅当 tree_method='hist','gpu_hist' 时有效。

20. predictor： 指定预测器的算法，默认为'cpu_predictor'。可以为：

• 'cpu_predictor'： 使用CPU 来预测
• 'gpu_predictor'： 使用GPU 来预测。对于tree_method='gpu_exact,gpu_hist'， 'gpu_redictor' 是默认值。