什么网格搜索、贝叶斯调参，就不做赘述。
本次简单记录一下工作积累的调参经验。
n_estimators：和多个参数相互影响，比如learning_rate，一般来说，树越简单，n_estimators越大，树越复杂，n_estimators越小，简单对应的是树分得很粗糙，max_depth较小，min_child_weight较大。一般建议>=30
min_child_weight：即是树枝的样本数，值越大，越不容易过拟合，一般建议训练样本的5%。
max_depth：即是树的层数，一般建议2-5，越小越不容易过拟合。
scale_pos_weight：1-10都OK，常用1-3。
其余的参数调整无多大意义，使用常用的即可。
主要调整的参数是n_estimators，min_child_weight，调整的衡量指标是训练集测试集oot的ks的值以及差值。
一、