ML之xgboost：利用xgboost算法(自帶方式)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(jì)思路

核心代碼

---

?

?

?

輸出結(jié)果

?

1、xgboost(num_trees=0): Binary prediction based on ?Mushroom Dataset

?

2、xgboost(num_trees=1): Binary prediction based on ?Mushroom Dataset

?

3、xgboost(num_trees=1,max_depth=4): Binary prediction based on ?Mushroom Dataset

?

設(shè)計(jì)思路

數(shù)據(jù)集：Dataset之mushroom：mushroom蘑菇數(shù)據(jù)集的簡介、下載、使用方法之詳細(xì)攻略

?

?

?

核心代碼

?

preds = bst.predict(dtest) predictions = [round(value) for value in preds] test_accuracy = accuracy_score(y_test, predictions) print("Test Accuracy: %.2f%%" % (test_accuracy * 100.0))from matplotlib import pyplot import graphviz# num_trees=0 # xgb.plot_tree(bst, num_trees=0, rankdir= 'LR' ) #xgb.to_graphviz(bst,num_trees=0)# num_trees=1 xgb.plot_tree(bst,num_trees=1, rankdir= 'LR' ) #xgb.to_graphviz(bst,num_trees=1)

?

?

?

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(自带方式)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(cuò)，歡迎將生活随笔推薦給好友。