xgboost是决策树吗

XGBoost不是决策树，而是一种集成学习算法，它采用了决策树作为基分类器。具体来说，XGBoost是一种梯度提升算法，它通过迭代地训练决策树模型，并将每个模型的预测结果累加起来得到最终的预测结果。在训练过程中，XGBoost会根据损失函数的梯度信息来调整每个决策树模型的参数，以使得模型的预测结果更加准确。

下面是一个简单的XGBoost分类器的例子：

import xgboost as xgb
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
# 加载数据集
data = load_breast_cancer()
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2, random_state=42)

# 构建XGBoost分类器
clf = xgb.XGBClassifier(max_depth=3, n_estimators=100, learning_rate=0.1)
clf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = clf.predict(X_test)

# 计算准确率
accuracy = sum(y_pred == y_test) / len(y_test)
print("Accuracy:", accuracy)