XGBoost（eXtreme Gradient Boosting）其核心是对决策树（Decision Tree）的增强（Boosting）方法，属于集成学习（Ensemble Learning）。
下文分别对决策树、决策树集成以及Xgboost进行介绍。
一、决策树 Decision Tree
决策树是一种常见的监督学习方法，可以用于处理分类和回归问题。
分类问题（离散值）：西瓜甜不甜？
回归问题（连续值）：房价多少？
顾名思义就是构建一个树形的决策过程。树中的每个节点即挑选特定特征对样本进行决策。
特征树的构建主要分为三个步骤：特征选择、决策树构建、剪枝。
其中根据特征选择的方式不同，分为ID3、C4.5、CART三类主要算法。
ID3基于信息增益进行特征选择：
分为训练集数据在经过特征A前/后的信息熵。
通过选取特征A最大化信息增益：
但是由于特征的取值不均衡的问题（比如性别只有男女，年龄可以分很多类），ID3算法更倾向于选择取值更多的特征。
CART（Classification And Regression Tree）基于基尼系数进行特征选择，在分类问题中：
通过将计算熵值（对数运算）转变为计算基尼系数（平方运算）大大降低了运算复杂度。
对于回归树而言，CART可以处理回归树问题，其优化目标如下：
即通过特征j和切分点s将数据集切分为两个集合， 并最小化两个集合中各自样本的方差（c1,c2分别是集合样本的均值）。
总的来说，决策树是基于特征进行if-then的决策过程，高效、易于理解。但是对训练样本严重依赖，容易生成复杂的树结构，造成过拟合（overfitting）等问题。而且如果要学习得到一棵最优的决策树被认为是NP-Complete问题。实际中的决策树是基于启发式的贪心算法建立的，这种算法不能保证建立全局最优的决策树。
二、决策树集成 Tree Ensemble
集成学习（ensemble learning）通过构建并结合多个学习器来完成学习任务，这里主要关注Bagging和Boosting两类。
2.1 Bagging
Bagging (bootstrap aggregating) 是基于Bootstraping重采样方法（有放回的采样），独立训练产生k个模型，并综合k个模型的输出得到最终结果（分类问题可以采用投票方式，回归问题可以采用均值）。Bootstraping通常能够包含63.2%的数据样本 。它可以并行执行，并通过这种方式避免模型对于训练数据过于敏感，减少模型的方差。
Bagging与决策树的结合就得到了随机森林（Random Forest），与Bagging方法唯一的不同在于Random Forest在特征选择前，使用了特征采样（一般使用
个特征），减少了强分类属性对模型的影响，使得不同模型更为独立。
2.2 Boosting
Boosting方法中数据集是不变的而在改变样本的权重，使得后续模型更关注与先前模型错分的样本，需要串行执行。具体而言可以分为如下几类：
AdaBoosting（Adaptive Boosting），在Boosting的基础上AdaBoosting为每轮迭代过程中基于加权后样本的误率赋予每个模型对应权值。模型权重与迭代过程中样本权重的更新方法如下：
，为j样本在i+1轮的权重， 用于正则化权重。
Gradient Boosting 一般用于回归树，采用上轮模型预测值与真实值之间的残差作为下一轮的输入表示第i个样本第m轮的残差，分别为真实值和预测值。
GBDT(Gradient Boosting Decision Tree)， 对于下一轮的输入（残差），根据不同的损失函数提供了不同的计算方法，。当损失函数为平方差时，残差与GB中一致。通过加入了学习率的概念，可以调整对于错分数据的关注。
Xgboost本文主角，这里与GBDT先做一个比较，后续做详细说明：
- 将树模型的复杂度加入到正则项中，来避免过拟合，因此泛化性能会优于GBDT。
- 损失函数是用泰勒展开式展开的，同时用到了一阶导和二阶导，可以加快优化速度。
- 和GBDT只支持CART作为基分类器之外，还支持线性分类器，在使用线性分类器的时候可以使用L1，L2正则化。
- 引进了特征子采样，像RandomForest那样，这种方法既能降低过拟合，还能减少计算。
- 在寻找最佳分割点时，考虑到传统的贪心算法效率较低，实现了一种近似贪心算法，用来加速和减小内存消耗，除此之外还考虑了稀疏数据集和缺失值的处理，对于特征的值有缺失的样本，XGBoost依然能自动找到其要分裂的方向。
- XGBoost支持并行处理，XGBoost的并行不是在模型上的并行，而是在特征上的并行，将特征列排序后以block的形式存储在内存中，在后面的迭代中重复使用这个结构。这个block也使得并行化成为了可能，其次在进行节点分裂时，计算每个特征的增益，最终选择增益最大的那个特征去做分割，那么各个特征的增益计算就可以开多线程进行。
三、Xgboost
与论文对应，这里分为三个部分对Xgboost进行介绍：Xgboost模型、分割点的查找、算法并行实现。
3.1.3 Shrinkage and Column Subsampling
Shrinkage（收缩）即能和GBDT一样设置学习率，削减每棵树的影响，让后面有更大的学习空间。实际应用中，一般把学习率设置得小一点，然后迭代次数设置得大一点。
Column Subsampling（列抽样）即Random Forest中的特征抽样方法，使得每棵树能够尽量独立。
3.2 分割点的查找 Split Finding
为了找到特征的最优切分点，需要遍历特征所有的取值，并得到所有可能的切分点。然后带入目标函数进行计算，并将最优的目标函数值对应的切分点，作为特征的切分点。但是由于回归问题中，特征是连续的存在很多候选切分点，所以找到最优切分点需要耗费大量的时间和内存。
3.2.1 Approximate Algorithm
Xgboost采用了一种近似做法，对排序后的特征进行分段，只在分段和分段间形成候选的切分点，大大减少了候选分割点的个数。其算法和效果如下图所示
分割点的近似查找方法，分为全局和局部两种
最优分割和近似分割比较。eps = epsilon，表示按照eps比例对数据集进行划分
这里一个重要的问题是按照何种标准生成候选分割点，Xgboost中并不是简单地等分切割，而是根据二阶导数进行加权切割。。
3.2.2 Sparsity-aware Split Finding
对于数据稀疏的情况，比如：1. 数据缺失值；2. 大量的0值; 3. 进行了One-hot 编码。Xgboost提供了对应的算法给与稀疏的数据一个默认值。其方法核心在于将缺失的样本全部划分在节点的左侧或是右侧，并选择其中增益最大的一种划分方法作为默认划分。
3.3 系统设计 System Design
3.3.1 Column Block for Parallel Learning
建树过程中最大的耗时在于对样本的排序，为了降低排序时间，采用Block结构对排序信息进行存储：
Block中的数据以稀疏格式CSC进行存储
Block中的特征进行排序（不对缺失值排序）
Block 中特征还需存储指向样本的索引，这样才能根据特征的值来取梯度。
一个Block中存储一个或多个特征的值
可以看出，只需在建树前排序一次，后面节点分裂时可以直接根据索引得到梯度信息。
在Exact greedy算法中，将整个数据集存放在一个Block中。这样，复杂度从原来的
这样，Exact greedy算法就省去了每一步中的排序开销。
在近似算法中，使用多个Block，每个Block对应原来数据的子集。不同的Block可以在不同的机器上计算。该方法对Local策略尤其有效，因为Local策略每次分支都重新生成候选切分点。
Block结构还有其它好处，数据按列存储，可以同时访问所有的列，很容易实现并行的寻找分裂点算法。此外也可以方便实现之后要讲的out-of score计算。但缺点是空间消耗大了一倍。
3.3.2 Cache-aware Access
使用Block结构的一个缺点是取梯度的时候，是通过索引来获取的，而这些梯度的获取顺序是按照特征的大小顺序的。这将导致非连续的内存访问，可能使得CPU cache缓存命中率低，从而影响算法效率。
因此，对于exact greedy算法中, 使用缓存预取。具体来说，对每个线程分配一个连续的buffer，读取梯度信息并存入Buffer中（这样就实现了非连续到连续的转化），然后再统计梯度信息。该方式在训练样本数大的时候特别有用，见下图：
在approximate 算法中，对Block的大小进行了合理的设置。定义Block的大小为Block中最多的样本数。设置合适的大小是很重要的，设置过大则容易导致命中率低，过小则容易导致并行化效率不高。经过实验，发现2^16比较好。
3.3.3 Blocks for Out-of-core Computation
当数据量太大不能全部放入主内存的时候，为了使得out-of-core计算称为可能，将数据划分为多个Block并存放在磁盘上。
计算的时候，使用独立的线程预先将Block放入主内存，因此可以在计算的同时读取磁盘
Block压缩，貌似采用的是近些年性能出色的LZ4 压缩算法，按列进行压缩，读取的时候用另外的线程解压。对于行索引，只保存第一个索引值，然后用16位的整数保存与该block第一个索引的差值。
Block Sharding， 将数据划分到不同硬盘上，提高磁盘吞吐率