xgboost算法不用sklearn

XGBoost是一个强大的梯度提升库，它并非基于scikit-learn（sklearn）框架设计，而是作为一个独立的工具包提供。虽然sklearn有一个优化过的GBDT实现（通过`sklearn.ensemble.GradientBoostingClassifier`和`sklearn.ensemble.GradientBoostingRegressor`），XGBoost在性能上通常更优，特别是在处理大规模数据和复杂特征时。

如果你想直接使用XGBoost而无需依赖sklearn，你需要安装xgboost库，然后可以像下面这样创建和训练模型：

import xgboost as xgb

# 准备数据（假设df是DataFrame）
data = df[features]
target = df[target_column]

# 划分训练集和测试集
train_data, test_data, train_label, test_label = train_test_split(data, target, test_size=0.2)

# 定义DMatrix（XGBoost特有的数据结构）
dtrain = xgb.DMatrix(train_data, label=train_label)
dtest = xgb.DMatrix(test_data, label=test_label)

# 配置参数
param = {
    'objective': 'binary:logistic' if binary_classification else 'reg:squarederror',
    # 其他参数...
}

# 训练模型
model = xgb.train(param, dtrain)

# 预测
predictions = model.predict(dtest)