不是一个完整的答案，但评论太长了。

我总是首先尝试查看默认参数的执行情况。然后从文档或阅读中，您可以看到每个参数的全局影响是什么（我所说的影响可能是增加参数X意味着使模型复杂化，或者参数Y意味着增加对解决方案的收敛速度）。根据您获得的第一个结果，选择一个似乎对模型影响最大的参数，并使其在与您的第一个结果有意义的方式上有所不同。如果验证集的情况有所改善，请继续以这种方式移动值，如果没有则相反。通常，您无需调整每个参数即可获得良好的结果。

这是一种手工方法，不是最佳的。但是，当您确切地说自己是机器学习的初学者时，我相信这是学习“感觉”通常会影响 Xgboost 算法性能以及影响较小的最佳方法，因此对于初级粗略来说可以忽略调音。

https://xgboost.readthedocs.io/en/latest/parameter.html有一些关于什么参数影响什么的很好的信息。如果您需要，请不要犹豫，就某些特定参数提出更精确的问题:)

我同意之前关于领域知识的评论，这肯定会有所帮助。随着您积累经验，您还将对有效的方法有“感觉”。一些参数更适合 NLP，其他参数更适合图像处理。那是你只有在“在战壕里”一段时间后才能学到的东西。

为了建立这种体验，您可以尝试以这样一种方式构建您的代码，以便您尝试多个模型，每个模型都有自己独特的参数。当我使用新数据集时，我可能会创建多个循环和/或线程，每个循环和/或线程都构建自己的模型，我将比较所有模型的准确性和丢失率，然后缩小我想要调整的参数。这会为您创造更多的工作来创建这种方法，然后跟踪结果，但这是您了解做什么的好方法，它将帮助您在未来做出更好的决策。