Python实现XGBoost分类模型：参数调优与上线实战指南

这个项目标题看着普通，但实际动手做一遍之后，你会发现真正值钱的不是“会用 XGBClassifier”，而是搞清楚“为什么这么调参”“为什么这个指标会骗人”“为什么上线前还要再做三件事”。上个月我刚好在帮某公司的风控团队复现一个用户逾期分类模型，整个链路走下来，有不少和网上教程不一样的心得，这篇就把 Python 实现 xgboost 分类模型的完整过程、参数原理和踩坑细节一次说清楚。

这篇内容适合三类人：刚学完 sklearn 决策树、想往集成模型进阶的初学者；已经在用随机森林但发现精度上不去的同学；以及工作中需要把分类模型真正推到上线、而不是只跑个 Jupyter Notebook 的工程师。我会按自己的实操顺序来讲，从为什么选 XGBClassifier 开始，到数据切分、参数拆解、完整代码、调参技巧、特征解释和上线检查，全程是可直接复制的代码和结论。

1. 为什么这个分类项目我选了 XGBClassifier 而不是逻辑回归或随机森林

1.1 从业务目标倒推算法选型

这个项目要解决的是一个典型的二分类问题：根据用户的历史行为、额度使用情况、还款记录等字段，预测用户未来一段时间内是否会逾期。业务方对模型有两个硬性要求：一是精度要比他们现有的规则引擎有明显提升，二是必须能解释“到底哪些特征在驱动判断”，不能是一个完全黑盒。

在这种需求下，逻辑回归首先被排除。它不是不好，而是对特征之间的非线性交互关系表达太弱，我试过把几个关键特征做交叉项、做分箱，折腾半天提升也就一两个百分点，而且分箱边界要人工反复调，上线后维护成本极高。随机森林我也跑了基线，它的泛化能力不错，不容易过拟合，但随机森林本质上是 bagging，每棵树独立生长然后投票，它更擅长“降低方差”，对“降低偏差”这件事帮不上太多忙。换句话说，如果数据里本身有一些系统性规律被前面的树判断错了，随机森林不会自动去“纠错”。

XGBClassifier 解决的就是这个问题。它是 boosting 思路，每一棵新树都在拟合前面所有树的残差，加上 xgboost 自带的正则化、特征列采样、缺失值处理等机制，在表格型数据上通常能比随机森林再高出一截，同时又能通过特征重要性、SHAP 值给业务方一个相对可解释的答案。

1.2 XGBoost 和普通 GBDT 的差别

很多教程直接说“XGBoost 是 GBDT 的工程优化版”，但我想把底层原理说透一点，因为不懂原理的人调参就是瞎试。

传统 GBDT 在每一轮迭代时，对损失函数做一阶泰勒展开，也就是只利用梯度方向来拟合残差。XGBoost 做了两处关键改进：第一，它对损失函数做了二阶泰勒展开，同时利用一阶导和二阶导，拟合的精度更高。用个不严谨但好懂的类比：一阶导数告诉你“该往下走”，二阶导数告诉你“往下走的时候坡度是越来越陡还是越来越缓”，知道曲率之后，步子迈多大、往哪迈会更准。第二，XGBoost 在目标函数里显式加入了模型复杂度惩罚项，包括叶子节点数和叶子权重的 L2 范数，这就相当于给每一棵树“上保险”，防止单棵树过深、过拟合。

模型复杂度的约束在目标函数上的体现，最终落到一个分裂增益公式上。对某个候选分裂点，它的增益约等于：

Gain = (左子树一阶导之和的平方 / (左子树二阶导之和 + lambda) + 右子树一阶导之和的平方 / (右子树二阶导之和 + lambda) - 父节点一阶导之和的平方 / (父节点二阶导之和 + lambda)) - gamma

其中lambda是 L2 正则系数，gamma是分裂所需的最小增益。这个公式清楚说明了一件事：如果一个分裂带来的增益都盖不住正则惩罚，那这棵树就不该在这里分裂。这也是很多人随口说“XGBoost 不容易过拟合”的真正来由。

当然，XGBoost 也不是万能的。它的强项是结构化表格数据，如果样本量只有几百条、特征又少，它不一定比简单模型更好；如果特征之间是强线性关系，逻辑回归的稳定性和可解释性会更适合；如果数据是图像、文本、语音这类非结构化数据，深度学习才是正解。选型这件事，永远是先看数据形态，再看业务约束，不能反过来。

2. 项目数据准备：分类模型最容易在这里翻车

2.1 数据样例与目标变量的口径确认

我用模拟数据来演示整个链路，实际项目的字段口径比这复杂得多，但处理逻辑是一样的。先造一份 10000 条样本、20 个特征的数据，其中 14 个是有效特征，4 个是冗余特征，正负样本的比例大约 3:7，顺便加了 5% 的标签噪声，让数据更接近真实场景。

import numpy as np import pandas as pd from sklearn.datasets import make_classification from sklearn.model_selection import train_test_split X, y = make_classification( n_samples=10000, n_features=20, n_informative=14, n_redundant=4, n_clusters_per_class=1, flip_y=0.05, random_state=42 ) feature_names = [f"feature_{i:02d}" for i in range(20)] df = pd.DataFrame(X, columns=feature_names) df["target"] = y

这里必须强调一个业务上的坑：目标变量的定义窗口和观察窗口要对齐。项目中“是否逾期”不是简单看当前状态，而是要看用户在观察日之后 30 天内的表现。如果特征里混入了观察窗口之后才产生的信息，比如“未来 7 天是否登录”这种字段，模型训练时 AUC 会高得吓人，上线后立刻崩盘，这就是典型的特征泄漏。我在实际项目里专门写过一个字段审计脚本，逐个字段检查字段的时间戳是否晚于样本的观察截止日，宁可少要特征，也不能留泄漏风险。

2.2 训练集、验证集、测试集的切分策略

这次我把数据切成了 70% 训练、15% 验证、15% 测试。一开始我图省事直接用train_test_split随机切，但检查正负样本比例时发现，有的折里正样本比例能差出 5 个百分点，这对后续评估很不友好，所以加上了stratify=y做分层抽样，保证每一份数据里正负样本比例一致。

X_train, X_temp, y_train, y_temp = train_test_split( X, y, test_size=0.3, stratify=y, random_state=42 ) X_val, X_test, y_val, y_test = train_test_split( X_temp, y_temp, test_size=0.5, stratify=y_temp, random_state=42 ) print(f"训练集样本数: {X_train.shape[0]}, 正样本占比: {y_train.mean():.4f}") print(f"验证集样本数: {X_val.shape[0]}, 正样本占比: {y_val.mean():.4f}") print(f"测试集样本数: {X_test.shape[0]}, 正样本占比: {y_test.mean():.4f}")

如果项目的数据带有明显的时间属性，切分方式就要改成按时间顺序切，而不是随机切。训练集用前 6 个月，验证集用中间 1 个月，测试集用最后 1 个月。原因很简单：模型上线后面对的一定是“未来”的数据，用过去数据随机切分评估出来的指标，天然会比真实线上效果乐观。我见过不止一个项目，随机切分 AUC 有 0.85，换成按时间切之后只有 0.78，差距就是这么明显。

2.3 类别不平衡问题：先别急着过采样

这个项目的正负样本比例是 3:7，其实还不算严重失衡。但 f1 分数和 ROC 曲线对于类别比例仍然比较敏感，我顺便说一下 XGBoost 处理不平衡的内置方案。

XGBClassifier里有一个scale_pos_weight参数，一般取负样本数除以正样本数。它的作用是在损失函数里放大少数类的梯度权重，让模型更“在意”少数类样本。常见负样本 7000、正样本 3000 的情况下，scale_pos_weight可以设为7000 / 3000 ≈ 2.33。这个做法比盲目做 SMOTE 过采样要稳，因为过采样会人为改变样本分布，上线时真实分布没变，模型大概率会虚高。

scale_pos_weight = (y_train == 0).sum() / (y_train == 1).sum() print(f"scale_pos_weight 建议值: {scale_pos_weight:.2f}")

提示：如果正负样本比例极度失衡，比如 1:99，光靠scale_pos_weight可能不够，还需要配合调整判定阈值、使用 AUC 或 PR 曲线评估，这部分我会在第 5 章展开讲。

3. XGBClassifier 参数体系拆解：先懂原理再谈调参

3.1 从树分裂到集成路径的直观理解

很多人拿到 XGBClassifier 最常犯的错，就是把参数当成“咒语”，记住一堆推荐值却不知道为什么。我建议先把模型的成长路径在脑子里过一遍。

当max_depth=3时，每棵树最多分 3 层，每多一层，能捕获的交互复杂度就翻倍，但也意味着叶子节点从 2 个变成 4 个、8 个，指数增长。深度太大时，叶子节点里的样本可能已经少到失去统计意义，就会过拟合。min_child_weight这个参数很多人忽略，它其实是对叶子节点内样本权重之和设的底线，如果某个候选叶子节点上的二阶导之和小于这个值，就不继续分裂。它和max_depth搭配，一个限制树的形状，一个限制叶子节点的“厚度”，是控制过拟合的第一道防线。

然后是采样类参数。subsample控制每一轮迭代时随机抽取多大比例的训练样本，相当于给每棵树不同的“训练数据视野”，降低树之间的相关性；colsample_bytree控制每棵树随机抽取多大比例的特征列，这和随机森林的 max_features 是一个思路。两个参数一起用，模型的方差会被压得比较低。

最后是正则参数。reg_lambda是 L2 正则，reg_alpha是 L1 正则。L1 正则的作用更激进，它会把一部分叶子权值直接压成 0，相当于特征选择；L2 只是把权值往小的方向压缩。我的经验是，当特征数量多、而且有不少噪声特征时，适当开reg_alpha比单纯加深度限制效果更明显。

3.2 核心参数速查表

我把这个项目里涉及到的核心参数整理成一张表，按“树结构控制、采样与正则、训练策略”三类分组，每行都标注了它解决什么问题、常用范围以及我自己的习惯取值。

这张表只是起点，千万别照抄。真实项目里参数的“最优值”高度依赖数据的信噪比和特征数量，我调参时习惯先固定learning_rate=0.1，把树结构参数和采样参数扫一遍，再回过头降学习率、提高n_estimators。

3.3 我踩过的参数误区

第一，max_depth不是越大越好。我曾经在另一个风控项目里把max_depth从 4 调到 10，训练集 AUC 冲到 0.98，测试集直接掉到 0.80，典型过拟合。深度超过 6 以后，树模型实际上开始记忆样本噪声，而特征之间的复杂交互大多在深度 4~5 层时已经捕获完了。

第二，learning_rate不是非得调到 0.01 才算“精细”。低学习率确实能让模型更稳，但代价是需要的树数量成倍增加，训练时间成倍拉长。在没有早停的情况下，盲目设低学习率加 3000 棵树，很容易训练半天发现问题出在过拟合。正确做法是先 0.1 跑通链路，再降到 0.05 配 800~1000 棵树看效果。

第三，不要把lambda写成 Python 代码里的lambda关键字。XGBoost 参数规范里reg_lambda必须写全，这个 API 取名的坑，我不止一次见新手把参数名写成lambda=1.0然后被语法错误卡住。

4. 从零跑通 XGBClassifier：完整代码链路

4.1 环境准备与版本坑

环境上只需要三样东西：xgboost、scikit-learn、pandas/numpy。我用两个命令装好依赖，然后确认版本。

pip install xgboost scikit-learn pandas numpy

import xgboost as xgb import sklearn print(f"xgboost 版本: {xgb.__version__}") print(f"scikit-learn 版本: {sklearn.__version__}")

这里有一个必须提醒的版本差异：旧版本的 XGBoost 允许你在构造XGBClassifier时直接传early_stopping_rounds，新版本会直接把early_stopping_rounds移到fit里面，早期写法在新版本里会报类型错误。我的建议是统一用fit传参，代码的可移植性最好，而且eval_set和早停配合起来也更清晰。

4.2 基线模型：先跑通再谈优化

我永远会先跑一个“能用”的基线模型，确认数据链路、评估链路没问题，再去追求精度提升。基线参数不要太激进，直接用max_depth=3、learning_rate=0.1、n_estimators=300，加常规的采样参数。

from xgboost import XGBClassifier from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score, roc_auc_score model_base = XGBClassifier( n_estimators=300, max_depth=3, learning_rate=0.1, subsample=0.8, colsample_bytree=0.8, random_state=42 ) model_base.fit(X_train, y_train) y_pred = model_base.predict(X_test) y_pred_proba = model_base.predict_proba(X_test)[:, 1] print(f"准确率: {accuracy_score(y_test, y_pred):.4f}") print(f"精确率: {precision_score(y_test, y_pred):.4f}") print(f"召回率: {recall_score(y_test, y_pred):.4f}") print(f"F1分数: {f1_score(y_test, y_pred):.4f}") print(f"AUC: {roc_auc_score(y_test, y_pred_proba):.4f}")

这里要注意，predict_proba返回的是二维数组，第一列是负类概率，第二列才是正类概率。我见过不少新手直接取model.predict_proba(X_test)[0]，取到的全是负类的概率，AUC 反而比 0.5 还低。正确写法是[:, 1]，拿到正类的预测概率，专门用于阈值调整和画 ROC 曲线。

基线的结果大体是准确率 0.84、AUC 0.86 左右。这个基线能告诉我们一件事：模型链路本身是通的。接下来，我会把验证集单独拿出来做早停。

4.3 加入验证集、早停与自定义评估指标

早停是 XGBoost 训练里最实用的机制之一。它的思路是：每训练一轮，就在验证集上计算一次指定指标，如果连续 N 轮（early_stopping_rounds）指标都没有提升，就停止训练，并把模型回滚到历史上表现最好的那一步。

model_es = XGBClassifier( n_estimators=1000, max_depth=4, learning_rate=0.05, subsample=0.8, colsample_bytree=0.8, scale_pos_weight=scale_pos_weight, random_state=42 ) model_es.fit( X_train, y_train, eval_set=[(X_val, y_val)], early_stopping_rounds=50, verbose=True ) best_iter = model_es.best_iteration print(f"早停时最优迭代轮数: {best_iter}")

早停的价值在于：你不用再纠结n_estimators到底设多少，设一个足够大的上限（比如 1000），让模型自己决定停下来。我在实际项目中一般把早停轮数设为 50，也就是允许模型在验证集指标 50 轮内没有提升后再停止——太少容易在短暂波动时误停，太多又浪费训练时间。

如果业务方特别关心命中率和误伤率的平衡，可以用自定义评估函数在每一轮输出自定义指标。比如在每一轮同时输出验证集上“当阈值取 0.3 时的召回率”，这样调参的时候不仅看 AUC，还能直接观察业务关心的实际指标。

from sklearn.metrics import recall_score def custom_eval(y_pred, dtrain): labels = dtrain.get_label() y_pred_binary = (y_pred >= 0.3).astype(int) recall = recall_score(labels, y_pred_binary) return "recall@0.3", recall model_custom = XGBClassifier( n_estimators=500, max_depth=4, learning_rate=0.05, random_state=42 ) model_custom.fit( X_train, y_train, eval_set=[(X_val, y_val)], eval_metric=custom_eval, early_stopping_rounds=30, verbose=False )

这个技巧在类别不平衡项目里尤其好用，它能把“每一轮迭代后模型在业务阈值下的表现”直接摊开看。

5. 调参实战：怎么从基线模型一步步压出好效果

5.1 调参顺序比调参结果更重要

我调参从来不是一个参数一个参数地穷举，而是固定一个阶段只动一类参数。顺序大致是：先调树结构相关参数，再调采样和正则相关参数，最后降学习率拉长训练。

第一步，调max_depth和min_child_weight。这两个参数决定了单棵树的复杂度。我在这个项目上用网格搜索跑了一次：

from sklearn.model_selection import GridSearchCV param_grid_depth = { "max_depth": [3, 5, 7], "min_child_weight": [1, 3, 5], } base_model = XGBClassifier( n_estimators=200, learning_rate=0.1, subsample=0.8, colsample_bytree=0.8, random_state=42 ) grid_depth = GridSearchCV( estimator=base_model, param_grid=param_grid_depth, scoring="roc_auc", cv=5, n_jobs=-1, verbose=1 ) grid_depth.fit(X_train, y_train) print(f"树结构参数最优组合: {grid_depth.best_params_}") print(f"最优交叉验证 AUC: {grid_depth.best_score_:.4f}")

用scoring="roc_auc"而不是默认的准确率，是因为在类别不平衡场景下，准确率会严重偏向多数类，一个全预测负类的“傻瓜模型”准确率可能都有 0.7，这对调参毫无意义。AUC 对类别比例不敏感，能更公平地评估模型的排序能力。

第二步，调subsample和colsample_bytree。把上一步得到的最优树结构参数固定下来，再扫描采样比例。这里有个经验规律：当训练集样本量不太大时，subsample在 0.8 左右通常是甜蜜点；如果训练集有几百万条样本，降到 0.5~0.6 也问题不大。特征特别多时，colsample_bytree可以调得更低一些，让每棵树只看到一部分特征，模型会更稳健。

第三步，调reg_alpha和reg_lambda。这一步在特征工程做得比较充分、模型仍有轻微过拟合的时候，收益最大。要注意一点：reg_alpha如果从 0 调到 0.5，效果可能很明显；但继续调到 2、3，边际收益就很小了。正则参数适合粗扫一遍，然后在一个较小范围内精调。

5.2 网格搜索的坑：别拿 GridSearchCV 直接跑全量参数

很多人图省事，想把所有参数一次性放进GridSearchCV里扫，比如 4 个参数各 3 个值，就是 3 的 4 次方等于 81 组，每组 5 折交叉验证，再叠上 XGBoost 本身的迭代训练，轻轻松松跑一个晚上。更麻烦的是，参数之间存在交互，比如max_depth=7配min_child_weight=1可能过拟合，配min_child_weight=5反而正常，你在网格里看到的是“单一组合的结果”，很难定位到底是谁导致的。

我的方法是“分阶段网格搜索”：每轮只搜 1~2 个参数，其余保持上一轮最优值；每一轮搜完用验证集确认没有明显退化，再进入下一轮。这样每次搜索组合数量控制在 9 组以内，整个调参链路两小时内能跑完，而且每一步的参数变化都有明确的因果解释。

下面这段示例，只搜采样式参数：

param_grid_sample = { "subsample": [0.6, 0.8, 1.0], "colsample_bytree": [0.6, 0.8, 1.0], } model_sample = XGBClassifier( n_estimators=200, max_depth=5, min_child_weight=1, learning_rate=0.1, random_state=42 ) grid_sample = GridSearchCV( estimator=model_sample, param_grid=param_grid_sample, scoring="roc_auc", cv=5, n_jobs=-1, verbose=1 ) grid_sample.fit(X_train, y_train) print(f"采样参数最优组合: {grid_sample.best_params_}")

5.3 早停、学习率与树数量的配合

调完结构参数和采样参数后，一般会得到一个验证集 AUC 不错、但训练集 AUC 更高、两者差距偏大的模型。这时把学习率从 0.1 降到 0.05，对应的n_estimators要成倍增加，同时开启早停。低学习率的本质是让每一棵树“走小碎步”，走错方向还能慢慢修正，但树的数量必须给足，否则模型欠拟合。

我最终的参数组合大概长这样：

model_final = XGBClassifier( n_estimators=1000, max_depth=5, min_child_weight=1, learning_rate=0.05, subsample=0.8, colsample_bytree=0.8, reg_alpha=0.1, reg_lambda=1.0, scale_pos_weight=scale_pos_weight, random_state=42 ) model_final.fit( X_train, y_train, eval_set=[(X_val, y_val)], early_stopping_rounds=50, verbose=False ) y_pred_proba_final = model_final.predict_proba(X_test)[:, 1] auc_final = roc_auc_score(y_test, y_pred_proba_final) print(f"最终模型测试集 AUC: {auc_final:.4f}")

从 0.86 提到 0.89 左右，提升全部来自树结构深度的合理下探、采样正则的组合、以及学习率下降后的更精细拟合。这个过程中，要特别注意验证集和测试集的隔离：调参过程中反复看验证集，本质上也是在拿验证集当测试集在调，最后的测试集分数会有轻微虚高。所以在调参阶段我只用验证集做早停和比较，测试集从头到尾只碰一次。

5.4 实测遇到的第二个典型坑：准确率虚高

这个坑在这类项目里太常见了，我必须单独拿出来说。

当正负样本比例是 3:7 的时候，如果模型把所有用户都预测成负类，准确率是 70%。如果你只看准确率，会觉得模型“不错”，但它一个正样本都抓不到，业务上等于废了。正确做法是盯AUC、F1、召回率，以及根据业务成本选择最佳判定阈值。

这里有一个可落地的阈值选择方法：把所有测试样本的预测概率按从高到低排序，看在不同阈值下精确率和召回率的折中。如果业务方更在意“少打扰正常用户”，就选精确率高、召回率相对低的高阈值；如果更在意“尽量不遗漏风险用户”，就选召回率高一些的低阈值。

from sklearn.metrics import precision_recall_curve precisions, recalls, thresholds = precision_recall_curve(y_test, y_pred_proba_final) for idx in range(0, len(thresholds), max(1, len(thresholds) // 10)): print(f"阈值 {thresholds[idx]:.2f} -> 精确率 {precisions[idx]:.3f}, 召回率 {recalls[idx]:.3f}")

实际项目中，我倾向于直接用验证集来选择阈值，因为阈值也算一个参数，如果在测试集上调阈值，测试集的评估意义又会被削弱。

6. 特征重要性与模型落地：让结果能被业务接受

6.1 三种特征重要性指标别只看一个

plot_importance一张图画出来，很多人就开始写报告了。但 XGBoost 的特征重要性有三种口径，含义完全不同。

我的习惯是优先看gain，因为“分裂次数多”不代表“分裂质量高”，一个特征可能被用了几十次，但每次带来的增益都很小。在项目里，我经常看到weight排名第一的特征在gain排名里掉到第五第六，这时候就要以gain为准去给业务方解释。

import matplotlib.pyplot as plt from xgboost import plot_importance fig, ax = plt.subplots(figsize=(10, 12)) plot_importance(model_final, importance_type="gain", max_num_features=15, ax=ax) plt.show()

同步输出一个按gain排序的特征表，方便写报告：

importance_gain = model_final.get_booster().get_score(importance_type="gain") importance_df = ( pd.DataFrame(importance_gain.items(), columns=["feature", "gain"]) .sort_values("gain", ascending=False) ) print(importance_df.head(10))

6.2 用 SHAP 做单样本解释

如果业务方需要知道“为什么这个用户被判为高风险”，光有全局特征重要性不够，还需要单样本级的解释。SHAP 是现阶段比较实用的工具，它对每个样本计算出每个特征对预测结果的正负贡献，画出来的图和“打分卡”很像，业务容易接受。

import shap explainer = shap.TreeExplainer(model_final) shap_values = explainer.shap_values(X_test[:200]) shap.summary_plot(shap_values, X_test[:200], feature_names=feature_names)

注意这里我用的是X_test[:200]，SHAP 计算全部样本会非常慢。实际项目里，我通常是先从预测概率最高的一批用户里抽样，对几十个样本做单例解释，再从中总结规律，反馈给业务方做规则补充。

6.3 模型上线前我必做的三件事

第一件事，确认特征口径线上线下一致。训练特征和线上实时特征必须同源，否则会出现我见过的一个很典型的问题：训练时用的特征是标准化之后的数值，线上接口直接拿原始数值喂给模型，打分结果完全变形。解决办法是把特征处理逻辑封装成同一个函数，训练前调用一次，上线前再调用一次，输出字段一一核对。

第二件事，保存模型时要连带保存预处理器。只用joblib.dump(model, "model.pkl")远远不够，特征列的顺序、缺失值填充的均值、需要做映射的类别特征，这些都要打包保存。我更倾向于用joblib.dump同时保存模型和特征清单：

import joblib joblib.dump(model_final, "xgb_model.pkl") joblib.dump(feature_names, "feature_names.pkl")

第三件事，做一小段时间的“影子测试”。线上流量正常走规则引擎，但把同一批请求的特征同步喂给模型，记录打分结果，攒几天数据之后对比模型分数和真实结果。这一步能提前发现“线下 AUC 和线上表现不一致”的问题，避免上线后业务受损。

最后说点我自己的体会

调 XGBClassifier 的过程，很大一部分精力并不是花在跑代码上，而是在“理解数据、隔离数据、选择正确的评估方式”上。我现在拿到一个分类项目，一定会先问三个问题：正负样本怎么定义、时间窗口会不会泄漏、业务方真正关心的指标是什么。这三个问题想清楚，XGBoost 的精度上限基本上就决定了；调参只是在逼近这个上限而已。

如果这篇文章对你有用，建议你不仅要把代码跑通，更建议你把网格搜索的轮次、每次调参前后的验证集分数变化都记录下来。我自己的项目复盘表里有模型参数、验证集 AUC、测试集 AUC、训练耗时四列，每调一轮填一行，这个习惯帮我省掉了大量重复试错。