我已经了解XGBoost的使用，我知道这是一个业余问题
可以将XGBoost用于可变消除＆amp;诸如Lasso之类的选择目的，或者我们需要首先使用Lasso来消除变量＆amp;然后最终使用XGBoost进行预测？
xgboost在存在冗余变量(功能(的情况下对预测非常有效。由于潜在的梯度增强算法本身对多重共线性具有鲁棒性。
，强烈建议删除(工程师(任何用于培训任何选择算法的数据集中的任何冗余功能(无论是lasso还是Xgboost(。
此外，您可以使用集合学习结合这两种方法。
xgboost在训练时具有内置的正规化(例如lasso(方法。
javascript python java c# php android html jquery c++ css ios sql mysql arrays asp.net json python-3.x ruby-on-rails .net sql-server django objective-c excel regex ruby linux ajax iphone xml vba spring asp.net-mvc database wordpress string postgresql wpf windows xcode bash git oracle list vb.net multithreading eclipse algorithm macos powershell visual-studio image forms numpy scala function api selenium