?ML之xgboost：利用xgboost算法(sklearn+7CrVa)訓(xùn)練mushroom蘑菇數(shù)據(jù)集(22+1,6513+1611)來預(yù)測蘑菇是否毒性(二分類預(yù)測)

?

?

目錄

輸出結(jié)果

設(shè)計思路

核心代碼

---

?

?

?

?

輸出結(jié)果

?

?

?

設(shè)計思路

?

?

核心代碼

kfold = StratifiedKFold(n_splits=10, random_state=7) #fit_params = {'eval_metric':"logloss"} #results = cross_val_score(bst, X_train, y_train, cv=kfold, fit_params) results = cross_val_score(bst, X_train, y_train, cv=kfold) print(results) print("7-CrVa Accuracy Mean(STD): %.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100)) #輸出x = range(0,len(results)) y1 = results y2 = [results.mean()]*10 Xlabel = 'n_splits' Ylabel = 'Accuracy' title = 'mushroom datase: xgboost(sklearn+7CrVa) model'plt.plot(x,y1,'g') #繪制曲線 plt.plot(x,y2,'r--') #平均值曲線 plt.xlabel(Xlabel) plt.ylabel(Ylabel) plt.title(title) plt.show()

?

?

?

總結(jié)

以上是生活随笔為你收集整理的ML之xgboost：利用xgboost算法(sklearn+7CrVa)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。