准备学习一下 XGBoost 和 GBDT
    https://www.cnblogs.com/bnuvincent/p/9693190.html

    看看这个能不能帮得上忙：https://github.com/dataworkshop/xgboost/blob/master/DataWorkshop2_xgboost.pdf

    感觉这个比较牛逼 - 没有对比就没有伤害：
    https://github.com/Jenniferz28/Time-Series-ARIMA-XGBOOST-RNN

    这个是上得了比赛的代码：
    https://github.com/hczheng/Rong360

    最后屈服于CNN的文本分类：
    https://github.com/lc222/text_classification_AI100

    社交广告预测：
    https://github.com/Dojocat-GO/Tencent2017_Final_Rank28_code

    这个 jupyter 里面有特征工程相关的代码：
    https://github.com/HanXiaoyang/Feature_Engineering_and_XGBoost_Parameter_Tuning

    精品旅行预测：
    https://github.com/yongyehuang/DC-hi_guides

    日志 - 020200208
    没太看懂具体的实现，但是 gbdt 给人的感觉已经很接近神经网络的结构。基础是cart tree，然后基于 cart tree 做了 cart tree 的特征组合，所以还是需要看看 cart tree 和 adaboost 的使用，以及回顾一下 lr

    这个算法应用性很强，出名在于 facebook 的广告点击推荐