整体框架
训练流程
1.初始化网络：class NetWork；
2.实例化实际的boosting树：依据参数选择不同模型，如GBDT、DART、GOSS、RF；
3.实例化实际的目标函数：依据参数选择不同类型，如RegressionL2loss、BinaryLogloss、MulticlassSoftmax、LambdarankNDCG等；
4.加载训练数据；
5.初始化实例化后boosting树；
6.初始化实例化后的目标函数；
7.训练模型并保存；
预测流程
细分模块
通信模块：
树结构
目标函数
数据加载
训练数据加载时，单机和并行处理的方式有所不同。在单机下，DatasetLoader::LoadFromFile(..)函数实例化Dataset类，然后可以选择利用DatasetLoader::LoadFromBinFile(...)导入二进制数据或者文本文件数据来对该类进行初始化。利用文本文件进行Dataset初始化时，Parser::CreateParser()通过预读取两行训练数据来确定数据格式(libsvm、tsv、csv)并实例化实际的数据解析器(LibSVMParser、TSVParser、CSVParser)，随后当文件不大时利用DatasetLoader::LoadTextDataToMemory直接加载入内存并用SampleTextDataFromMemory采样或者直接调用SampleTextDataFromFile采样样本数据，得到采样数据后使用ConstructBinMappersFromTextData()构造Bin Mapper，随后初始化样本标签元数据，利用ExtractFeaturesFromMemory()或ConstructBinMappersFromTextData()提取特征数据，完成训练数据的加载。
-------
1) class Metadata: 存储非特征性质的元数据，例如样本标签、样本权重、boosting时的初始分；
2) class Parser： 样本数据解析接口基类，会调用Parser::CreateParser()依据数据格式自动实例化不同类型的解析器，例如class LibSVMParser、class TSVParser、class CSVParser，对应的在各派生类中会分别实现ParseOneLine()函数来按行解析不同格式的样本数据；
3) class Dataset: 用于训练或验证的数据集主类，class DatasetLoader是其友元类，主要的特征样本存放在class FeatureGroup类型的容器内；
4) class DatasetLoader: 包含一系列方法用于驱动样本数据从文件/内存加载到class Dataset类对象中，调用接口从DatasetLoader::LoadFromFile()开始，在该函数内部首先读取数据(1.小文件，运用DatasetLoader::LoadTextDataToMemory()间接调用TextReader::ReadAllLines()按行读取数据行到string类型容器内以全部导入内存，再用DatasetLoader::SampleTextDataFromMemory()采样；2.大文件，直接调用DatasetLoader::SampleTextDataFromFile()并间接使用TextReader::SampleTextDataFromFile()从
文件采样得到部分样本保存到string容器内;）。得到按行存放在string类型的容器内的采样样本后，DatasetLoader::ConstructBinMappersFromTextDa()调用解析器对数据按行进行解析，并将特征数据按列临时存储到二维数组中，然后按单机/多机对各个特征列对应的class BinMapper对象进行实例化，并用BinMapper::FindBin()找到bin内各个小区间切分的连续特征的上边界或者离散特征的映射关系，即bin_mapper容器。得到不同特征列具体特征值向bin映射的映射关系后，使用Dataset::Construct()
；
5) class FeatureGroup: 用于存储特征数据，class Dataset和class DatasetLoader是其友元类，数据存放在class Bin类型的对象内，而class BinMapper类型的容器实现对各子特征实际数值向bin值的映射；
6) class BinMapper：用于将实际的特征样本值转化为bin结构，其主要接口BinMapper::FindBin()实现按特征列查找bin，它首先处理当前列中的无效数据(MissingType::Zero、MissingType::None、MissingType::NaN)，然后存储该列特征不同的取值及其出现的次数。当该列特征对应于BinType::NumericalBin，则函数内部再通过BinMapper::FindBinWithZeroAsOneBin()并间接调用BinMapper::GreedyFindBin()实际计算bin内子区间的上边界存到std::vector<double> bin_upper_bound_
，上边界的具体计算需详细分析；当该列特征对应于BinType::CategoricalBin，离散特征的数值默认均为整型，则存放到std::unordered_map<int, unsigned int> categorical_2_bin_，此过程会移除数目较少的离散值，然后按照该列特征离散值(distinct)计数建立离散值与bin位置间的相互映射；