A melhor coisa sobre o XGBoost é que ele fornece processamento paralelo no desenvolvimento de modelos de aprendizado de máquina; com a ajuda de 4 núcleos e processamento paralelo, eu consegui desenvolver um modelo de aprendizado de máquina em 30 milhões de assinantes em 2 horas.

É o algoritmo autônomo de melhor desempenho (não contando os algoritmos de deep learning, que são um campo completamente diferente) famoso por vencer muitas competições online de aprendizado de máquina. Ele é rápido e tem um desempenho melhor do que algoritmos de bagging porque aprende com os erros dos modelos de árvore anteriores que foram construídos dentro dele. É possível ajustar o XGBoost para várias métricas, então se você quiser um alto recall, pode fazê-lo com a ajuda do GridSearchCV. É muito eficiente em comparação com o famoso algoritmo Random Forest.

XGBoost has better performance than other boosters or gradient functions. Helps return improved accuracy on regression algorithms. Works well on large datasets.