ML之xgboost：利用xgboost算法(sklearn+3Split)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+3Split)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+3Split)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

seed = 7
test_size = 0.33
X_train_part, X_validate, y_train_part, y_validate = train_test_split(X_train, y_train,   
                                                                      test_size=test_size,random_state=seed)


validare_preds = bst.predict(X_validate)

train_accuracy = accuracy_score(y_validate, validate_predictions)
print ("【max_depth=3】Validation Accuary: %.2f%%" % (train_accuracy * 100.0))

这篇关于ML之xgboost：利用xgboost算法(sklearn+3Split)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！