我正在尝试使用 L1 正则化来选择 XGBoost 分类器中的特征。但是，我没有看到任何关于如何指定 l1 的惩罚的示例代码。

这就是我在 sklearn 的 LogisticRegression 中的做法。

C = [10, 1, .1, .001]

for c in C:
    clf = LogisticRegression(penalty='l1', C=c)
    clf.fit(X_train, y_train)
    print('C:', c)
    print('Training accuracy:', clf.score(X_train, y_train))

我应该如何在 XGBoost 中指定惩罚和 C？