请您勇敢地去翻译和改进翻译。虽然我们追求卓越，但我们并不要求您做到十全十美，因此请不要担心因为翻译上犯错——在大部分情况下，我们的服务器已经记录所有的翻译，因此您不必担心会因为您的失误遭到无法挽回的破坏。（改编自维基百科）

• 通过在 Python 中使用 XGBoost 提前停止来避免过度拟合
• 如何在 Python 中调优 XGBoost 的多线程支持
• 如何配置梯度提升算法
• 在 Python 中使用 XGBoost 进行梯度提升的数据准备
• 如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型
• 如何在 Python 中使用 XGBoost 评估梯度提升模型
• 在 Python 中使用 XGBoost 的特征重要性和特征选择
• 浅谈机器学习的梯度提升算法
• 应用机器学习的 XGBoost 简介
• 如何在 macOS 上为 Python 安装 XGBoost
• 如何在 Python 中使用 XGBoost 保存梯度提升模型
• 从梯度提升开始，比较 165 个数据集上的 13 种算法
• 在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升
• 如何使用 Amazon Web Services 在云中训练 XGBoost 模型
• 在 Python 中使用 XGBoost 调整梯度提升的学习率
• 如何在 Python 中使用 XGBoost 调整决策树的数量和大小
• 如何在 Python 中使用 XGBoost 可视化梯度提升决策树
• 在 Python 中开始使用 XGBoost 的 7 步迷你课程