简而言之：在为 xgboost 选择参数值时如何考虑我的变量的类型和分布？

上下文：我有一个数据集，我想使用binary:logistic目标对其进行分类（我正在使用 R 实现）。我想知道目视检查我的数据集中的变量是否可以告知参数值的选择，如果可以，那么通常如何进行。

示例：具有二元结果变量和二元/连续预测变量混合的数据集。

结果变量（每次观察一个值）：

一组称为风味（~150 个变量）和纹理（~80 个变量）的预测变量具有二进制值 0、1。每个观察值都有一个或多个风味和纹理（水平轴上每个观察值的 f/t 数）：

某些风味/质地比其他风味/质地更容易出现（水平轴上的频率）：

我添加了一些定量变量来总结每次观察的风味/质地。我计算了每个 f/t 的频率（= 发生该 f/t 的观测值的百分比），然后计算min（给定观测值中最独特的 f/t）max（最常见的 f/t）和mean（平均频率） .

除此之外，还有另外三个连续变量：

如果有的话，可以从中得出关于模型参数的什么结论？