结构化数据上的机器学习大杀器XGBoost

XGBoost是一个机器学习算法工具，它的原理本身就并不难理解，而且你并不需要彻底搞懂背后的原理就能把它用得呼呼生风。

它的威力有多强？

自从2014年9月份在 Kaggle 的希格斯玻色子机器学习大赛中夺魁以来，XGBoost 与深度学习两个算法垄断了 Kaggle 大赛的大部分冠军。

现在 Kaggle 大赛的情况基本是这样的，凡是非结构化数据相关，比如语音、图像，基本都是深度学习获胜，凡是结构化数据上的竞赛，基本都是 XGBoost 获胜。要知道大部分的业务数据，都是以良好格式存储在关系数据库中的结构化数据，这也就是说，跟行业应用、业务优化这些真金白银息息相关的场景里，XGBoost是目前最好用的大杀器之一。

如果时间倒退两年，在2015年，只要你用 XGBoost 算法参赛，不用做特别优化，在很多结构化数据科学竞赛中就排到前十。尤其是 2015 年下半年，XGBoost 横扫 Kaggle 大赛，冠军拿到手软。

看看这些冠军们怎么评价 XGBoost

2015年7月 Avito 上下文广告点击大赛冠军Owen Zhang 说：“要是你犹豫不决，不知如何是好，就放 XGBoost 出来咬。” 2015年8月卡特彼勒钢管价格预测大赛冠军四人组说：“XGBoost是我们手上最牛的单一模型算法。” 2015年8月物业检查预测大赛冠军Qingchen Wang 说：“我只用 XGBoost”。 2015年9月优惠券销售预测大赛冠军 Halla Yang 说：“在监督学习算法中我只使用Gradient Boosting，而在 Gradient Boosting算法的实现中我只使用 XGBoost。” 2015年10月 True Native 大赛冠军Mad Professor 说：“我已经拿了好几个Kaggle竞赛冠军了，你们可以相信我的话，XGBoost真的是个牛逼的全能算法，你值得拥有。”

但比较奇怪的是，然而只要离开这个小小的圈子，在广大的数据科学的蛮荒之地，绝大多数人都只知有深度学习，而不知有 XGBoost。我想大概可以归结为两方面原因。

第一是公众的注意力集中在人工智能下围棋、机器人、识别人脸、自动驾驶这些性感的应用场景里，对于专业领域内的应用，即便大脑知道它们很重要、很有价值，但小脑提不起兴趣。

但这种态度不科学啊！要知道深度学习虽然具有革命性，但是你去看看 Kaggle 上来自真实需求的那些竞赛课题，会发现大多数还是结构化行业数据的分析。预测客户的回头率啊，预测产品寿命，预测病人是否爽约，分析干系人是否有作案嫌疑，计算产品在各城市最佳的铺货分布，等等。这些项目背后是各行各业对 AI 的迫切而真实的需求，是几千上万亿甚至十万亿级美元的潜在市场。而这正是 XGBoost这一类算法可以驰骋的舞台，所以我们当然应该关注。

第二是网上现有的 XGBoost 文章，差不多都是给正在学习机器学习的人准备的“课外读物”，它假设你已经花很长时间复习了数学基础，正在学习20个机器学习算法，而 Gradient Boosting 只是其中之一，XGBoost 只是工具之一。如果你不是这种情况，那就很难看懂这些文章。

但其实使用 XGBoost 也不想需要掌握那么多其他算法啊，也不需要自底向上一层一层的积累啊。跟学习深度学习类似，如果你的目标就是掌握这一两个大杀器，那你完全可以单刀直入，在比较短的时间里形成单点突破。这是今天学习和使用 AI 技术的一个可行的途径。甚至对于有经验的开发者来说，这是一个更优的选择。

XGBoost 该红不红，其实受损失的最终还是用户和学习者。所以我们觉得应该把 XGBoost 这个算法单独抽出来，从基础的原理到算法分析，从工具使用到工程经验，来一个单点突破。

能够讲这个单点突破课程的人不多。我们邀请到有多年一线机器学习教学经验的中科院专家，精心剪裁出一个 XGBoost 核心突破课程——《XGBoost从基础到实战》。

我们的目标是能够在10个小时之内使你达到能动手开发模型的程度。

如果你在学习机器学习，那这个课程能够帮助你纵向掌握 XGBoost 及其所有相关基础知识，在你武器库里添加一个大杀器。

如果你急于用机器学习来解决工作中的一个问题，又没有很多时间完整学习，那么请考虑 XGBoost 吧。也许很多高手学了一大圈之后，发现最后还是 XGBoost 好用。