xgboost.train()： 使用给定的参数来训练一个booster

xgboost.train(params, dtrain, num_boost_round=10, evals=(), obj=None, feval=None,
   maximize=False, early_stopping_rounds=None, evals_result=None, verbose_eval=True,
   xgb_model=None, callbacks=None, learning_rates=None)

• 参数：
  • params： 一个列表（元素为键值对）、一个字典，表示训练的参数
  • dtrain：一个DMatrix 对象，表示训练集
  • num_boost_round： 一个整数，表示boosting 迭代数量
  • evals： 一个列表，元素为(DMatrix,string)。 它给出了训练期间的验证集，以及验证集的名字（从而区分验证集的评估结果）。
  • obj：一个函数，它表示自定义的目标函数
  • feval： 一个函数，它表示自定义的evaluation 函数
  • maximize： 一个布尔值。如果为True，则表示是对feval 求最大值；否则为求最小值
  • early_stopping_rounds：一个整数，表示早停参数。 如果在early_stopping_rounds 个迭代步内，验证集的验证误差没有下降，则训练停止。
    • 该参数要求evals 参数至少包含一个验证集。如果evals 参数包含了多个验证集，则使用最后的一个。
    • 返回的模型是最后一次迭代的模型（而不是最佳的模型）。
    • 如果早停发生，则模型拥有三个额外的字段：
      • .best_score： 最佳的分数
      • .best_iteration： 最佳的迭代步数
      • .best_ntree_limit： 最佳的子模型数量
  • evals_result： 一个字典，它给出了对测试集要进行评估的指标。
  • verbose_eval： 一个布尔值或者整数。
    • 如果为True，则evalutation metric 将在每个boosting stage 打印出来
    • 如果为一个整数，则evalutation metric 将在每隔verbose_eval个boosting stage 打印出来。另外最后一个boosting stage，以及早停的boosting stage 的 evalutation metric 也会被打印
  • learning_rates： 一个列表，给出了每个迭代步的学习率。
    • 你可以让学习率进行衰减
  • xgb_model： 一个Booster实例，或者一个存储了xgboost 模型的文件的文件名。它给出了待训练的模型。 这种做法允许连续训练。
  • callbacks： 一个回调函数的列表，它给出了在每个迭代步结束之后需要调用的那些函数。 你可以使用xgboost 中预定义的一些回调函数（位于xgboost.callback 模块） 。如： xgboost.reset_learning_rate(custom_rates)
• 返回值：一个Booster 对象，表示训练好的模型