我已经知道 “xgboost.XGBRegressor 是 XGBoost 的 Scikit-Learn 包装器接口。”

但它们还有其他区别吗？

回答：

xgboost.train 是通过梯度提升方法训练模型的低级 API。

xgboost.XGBRegressor 和 xgboost.XGBClassifier 是包装器（它们称之为Scikit-Learn-like 包装器），它们准备 DMatrix 并传入相应的目标函数和参数。最终，fit 调用简化为：

self._Booster = train(params, dmatrix,                      self.n_estimators, evals=evals,                      early_stopping_rounds=early_stopping_rounds,                      evals_result=evals_result, obj=obj, feval=feval,                      verbose_eval=verbose)

这意味着通过 XGBRegressor 和 XGBClassifier 可以做到的所有事情，都可以通过底层的 xgboost.train 函数实现。反过来显然不是这样，例如，xgboost.train 的一些有用参数在 XGBModel API 中不受支持。值得注意的区别列表包括：

• xgboost.train 允许在每次迭代结束时设置 callbacks。
• xgboost.train 允许通过 xgb_model 参数继续训练。
• xgboost.train 不仅允许最小化评估函数，还允许最大化。