xgboost算法不用sklearn不用xgboost库

XGBoost（ Extreme Gradient Boosting）是一个流行的梯度增强决策树库，它是由DMLC（Distributed Machine Learning Community）开发的。虽然通常与Python的Scikit-learn库一起使用，但这并不是强制性的。

如果你想要在没有Sklearn或官方XGBoost库的情况下使用XGBoost算法，你可以选择以下步骤：

1. **从源代码安装**：XGBoost提供了一个可以自行编译的选项，访问其GitHub仓库（https://github.com/dmlc/xgboost），下载源码并按照说明进行编译和安装。

2. **导入必要的模块**：你需要直接导入`xgboost.core`和`xgboost.train`等核心模块，而不是通过`sklearn`中的接口。

3. **数据预处理**：对数据进行清洗、编码、拆分等工作，将数据转换成XGBoost可以接受的二进制文件格式（如DMatrix）或者DataFrame形式。

4. **模型训练**：创建`DMatrix`实例，并使用`xgboost.train`函数定义参数，开始模型训练。

5. **预测**：训练完成后，同样使用`predict`方法进行预测。

6. **评估**：需要手动计算指标或使用第三方库来进行评估。

import xgboost as xgb
from sklearn.datasets import load_iris

# 加载数据
data = load_iris()
X, y = data.data, data.target

# 创建DMatrix
dtrain = xgb.DMatrix(X, label=y)

# 参数设置
params = {
    'objective': 'multi:softmax',
    'num_class': 3  # iris数据集有3类
}

# 训练
bst = xgb.train(params, dtrain, num_boost_round=10)

# 预测
preds = bst.predict(dtrain)