xgb.train和xgb.XGBRegressor（或xgb.XGBClassifier）有什么区别？

Question

我已经知道“xgboost.XGBRegressor是XGBoost的Scikit学习包装器接口。”

但他们还有什么不同吗？

Answer 1

^{}是一个低级的API，用于通过梯度增强方法训练模型。

xgboost.XGBRegressor和xgboost.XGBClassifier是准备DMatrix并传入相应目标函数和参数的包装器（Scikit Learn like wrappers，正如它们所称）。最后，fit调用简单地归结为：

self._Booster = train(params, dmatrix,
                      self.n_estimators, evals=evals,
                      early_stopping_rounds=early_stopping_rounds,
                      evals_result=evals_result, obj=obj, feval=feval,
                      verbose_eval=verbose)

这意味着可以用XGBRegressor和XGBClassifier完成的所有工作都可以通过底层的xgboost.train函数实现。另一方面，显然不是这样，例如，XGBModelAPI不支持xgboost.train的一些有用参数。显著差异清单包括：

• xgboost.train允许设置每次迭代结束时应用的callbacks。
• xgboost.train允许通过xgb_model参数继续训练。
• xgboost.train不仅允许eval函数的最小化，还允许最大化。