全文总字数：1068字

1. 研究目的与意义及国内外研究现状

xgboost算法被称为是机器学习的倚天剑，用途广泛，在各大比赛中获得好成绩，我们实现xgboost算法，用于解决实际问题，可以实现调优。xgboost是大规模并行boosted tree的工具，它是目前最快最好的开源boosted tree工具包，比常见的工具包快10倍以上。在数据科学方面，有大量kaggle选手选用它进行数据挖掘比赛，其中包括两个以上kaggle比赛的夺冠方案。在工业界规模方面，xgboost的分布式版本有广泛的可移植性，支持在yarn, mpi, sungrid engine等各个平台上面运行，并且保留了单机并行版本的各种优化，使得它可以很好地解决于工业界规模的问题。

国内外研究现状

人工智能是近年来科技行业发展的热门话题和重点研究对象，而由陈天奇博士提出的xgboost算法对于机器学习方面不仅学习效果很好，而且速度也很快，相比梯度提升算法在另一个常用机器学习库scikit-learn中的实现，xgboost的性能经常有十倍以上的提升。目前，xgboost已被工业界广泛使用。对xgboost的研究和使用野趋于成熟。

2. 研究的基本内容

近年来,在电子商务网站进行在线购物已逐渐成为人们主要的购物途径之一.在在线购物过程中,人们会留下大量的浏览信息,但只有极少数会转化为购买.对用户信息进行数据挖掘,个性化向用户推荐商品可以有效提高用户的购物效率并提高商家的收入.XGBoost算法是一种高效准确的分类算法,文中将XGBoost算法应用于商品推荐中,从而实现了准确预测用户购买行为的目的,为商品推荐提供了一种有效的方法。

3. 实施方案、进度安排及预期效果

先通过一周对XGBoost算法的学习加深对其本质的理解，然后再将其实践中，设计出较好的商品推荐办法。

4. 参考文献

雷名龙.《基于阿里巴巴大数据的购物行为研究》物联网技术,2016

杜晓旭.《基于boosting算法的人脸识别方法研究》杭州:浙江大学,2006

周骥,陈德旺.《机器学习在列车精确停车问题的应用》计算机工程与应用,2010