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)

本文主要是介绍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)，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

 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)

目录

输出结果

设计思路

核心代码

输出结果

设计思路

核心代码

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))  #输出


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')                      #绘制曲线
plt.plot(x,y2,'r--')                    #平均值曲线
plt.xlabel(Xlabel)
plt.ylabel(Ylabel)
plt.title(title)
plt.show()

这篇关于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)的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！