XGBoost是一种通过构建多个决策树来提高预测准确性的机器学习技术。特征重要性是模型可解释性的关键，反映了每个输入特征对预测结果的影响。本文以加利福尼亚房价数据集为例，分析特征重要性，使用“增益”、“权重”和“覆盖”三种方法，帮助用户理解模型决策及特征贡献，从而优化模型性能。