xgboost中的tree_method ='exact'真的意味着使用精确的贪婪算法进行拆分查找吗？
我问这个问题是因为xgboost运行得很快。这是我用于运行测试的脚本
从xgboost导入XGBRegressor作为rr
将numpy导入为np
从sklearn.model_selection导入train_test_split
进口泡菜
导入系统
从进口时间开始
t1 =时间（）
数据= sys.argv [1]
使用open（data，'rb'）作为源：
数据= pickle.load（源）
np.random.shuffle（数据）
x = [数据中项目的[item [0]]
y = [针对数据中项目的[item [1]]
x_train，x_val，y_train，y_val = train_test_split（x，y，test_size = 0.2，random_state = 100）
eval_set = [（x_train，y_train），（x_val，y_val）]
＃确切的型号
model_exact = rr（max_depth = 5，
n_estimators = 1，
slient = False，
min_child_weight = 0，
tree_method ='精确'）
model_exact.fit（x_train，
y_train，
eval_set = eval_set，
eval_metric =“ mae”，
early_stopping_rounds = 30）
t2 =时间（）
print（f“使用时间：{t2-t1}”）
用于测试的腌制数据已在此处上传。
每个实例中有96个功能部件，总共11450个实例。
xgboost通过在单核（1.3 GHz Intel Core i5）上运行找到了0.9804270267486572s中的第一个拆分。如果xgboost实际上对所有可能的分割都进行了贪婪搜索，则意味着xgboost仅在0.9804270267486572s中就可以计算11450 x 96 = 1099200个分割！
xgboost真的那么强大吗？还是我误会了tree_method =确切？