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(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/avoid-overfitting-by-early-stopping-with-xgboost-in-python.md)
• 如何在 Python 中调优 XGBoost 的多线程支持(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/best-tune-multithreading-support-xgboost-python.md)
• 如何配置梯度提升算法(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/configure-gradient-boosting-algorithm.md)
• 在 Python 中使用 XGBoost 进行梯度提升的数据准备(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/data-preparation-gradient-boosting-xgboost-python.md)
• 如何使用 scikit-learn 在 Python 中开发您的第一个 XGBoost 模型(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/develop-first-xgboost-model-python-scikit-learn.md)
• 如何在 Python 中使用 XGBoost 评估梯度提升模型(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/evaluate-gradient-boosting-models-xgboost-python.md)
• 在 Python 中使用 XGBoost 的特征重要性和特征选择(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/feature-importance-and-feature-selection-with-xgboost-in-python.md)
• 浅谈机器学习的梯度提升算法(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/gentle-introduction-gradient-boosting-algorithm-machine-learning.md)
• 应用机器学习的 XGBoost 简介(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/gentle-introduction-xgboost-applied-machine-learnin.md)
• 如何在 macOS 上为 Python 安装 XGBoost(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/install-xgboost-python-macos.md)
• 如何在 Python 中使用 XGBoost 保存梯度提升模型(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/save-gradient-boosting-models-xgboost-python.md)
• 从梯度提升开始，比较 165 个数据集上的 13 种算法(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/start-with-gradient-boosting.md)
• 在 Python 中使用 XGBoost 和 scikit-learn 进行随机梯度提升(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/stochastic-gradient-boosting-xgboost-scikit-learn-python.md)
• 如何使用 Amazon Web Services 在云中训练 XGBoost 模型(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/train-xgboost-models-cloud-amazon-web-services.md)
• 在 Python 中使用 XGBoost 调整梯度提升的学习率(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/tune-learning-rate-for-gradient-boosting-with-xgboost-in-python.md)
• 如何在 Python 中使用 XGBoost 调整决策树的数量和大小(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/tune-number-size-decision-trees-xgboost-python.md)
• 如何在 Python 中使用 XGBoost 可视化梯度提升决策树(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/visualize-gradient-boosting-decision-trees-xgboost-python.md)
• 在 Python 中开始使用 XGBoost 的 7 步迷你课程(https://github.com/apachecn/ml-mastery-zh/blob/master/docs/xgboost/xgboost-python-mini-course.md)