XGBoost算法的四个关键词是：Boosting、Tree-Based、Parallelization和Regularization。

Boosting技术是一种迭代学习方法，它将多个弱学习模型组合成一个强大的模型。 XGBoost使用了boosting技术来提高准确性并减少过度拟合。

Tree-Based是XGBoost中使用的决策树的形式，它们可以被看作是特征之间相互关联的分割表。 决策树可以帮助我们快速找到最佳预测变量，并在数据集中找到最佳切割位置。

Parallelization是XGBoost中使用的一种处理大量数据集的方法，它可以帮助我们在多核CPU上快速地训练和评估决策树。

Regularization是XGBoost中使用的正则化方法，它能够减少过度拟合并控制模型复杂度。 正则化能够帮助我们避免对输入数据集进行不必要的优化，因此能够保证出色的性能表现。