> 估计梯度提升树
要估计梯度提升树模型，请选择类型（即分类或回归）、响应变量以及一个或多个解释变量。点击`Estimate`按钮或按`CTRL-enter`（在 Mac 上为`CMD-enter`）生成结果。
可通过调整 Radiant 中可用的参数输入对模型进行 “调优”。除这些参数外，其他参数可在 “报告 > Rmd” 中调整。确定所有这些超参数最优值的最佳方法是使用交叉验证。在 Radiant 中，你可以使用`cv.gbt`函数实现此目的。更多信息请参见文档。
有关可用于 XGBoost 的参数设置的更多信息，请参见以下链接：
* https://xgboost.readthedocs.io/en/latest/parameter.html
* https://xgboost.readthedocs.io/en/latest/tutorials/param_tuning.html
### Report > Rmd
通过点击屏幕左下角的图标或按键盘上的`ALT-enter`，向*Report> Rmd*添加代码以（重新）创建分析。
### R 函数
有关 Radiant 中用于估计神经网络模型的相关 R 函数概述，请参见*模型 > 神经网络*。
`gbt`工具中使用的来自`xgboost`包的核心函数是`xgboost`。