Python使用XGBoost

import xgboost
from xgboost import XGBClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.externals import joblib
import numpy as npclass XGBOOST():def __init__(self,model_path):# 加载模型self.model = joblib.load(model_path)def train():# 载入数据集dataset = np.load("model/train_data.npy")dataset[:,10][dataset[:,10]<3]=1dataset[:,10][dataset[:,10]>=3]=3print(dataset[0])# split data into X and yX = dataset[:,0:10]Y = dataset[:,10]# 把数据集拆分成训练集和测试集#seed = 7#test_size = 0.1#X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=test_size, random_state=seed)X_train, X_test, y_train, y_test = X,X,Y,Y#X_train=(X_train-np.min(X_train,0))/(np.max(X_train,0)-np.min(X_train,0))#X_test=(X_test-np.min(X_test,0))/(np.max(X_test,0)-np.min(X_test,0))# 拟合XGBoost模型# 多分类#model = XGBClassifier(max_depth=4, learning_rate=0.1, n_estimators=50, silent=True, objective='multi:softmax')# 二分类model = XGBClassifier(max_depth=4, learning_rate=0.1, n_estimators=50, silent=True, objective='binary:logistic')model.fit(X_train, y_train)# 保存模型joblib.dump(model, "model/xg.model") # 对测试集做预测y_pred = model.predict(X_test)print(X_test,"    ",y_pred)predictions = [round(value) for value in y_pred]# 评估预测结果accuracy = accuracy_score(y_test, predictions)print("Accuracy: %.2f%%" % (accuracy * 100.0))def process(self,input_numpy):y_pred = self.model.predict(input_numpy)[0]return y_predif __name__=="__main__":XGBOOST.train()model_path="model/xg.model"xg= XGBOOST(model_path)input_numpy =np.array([0.09379234, 0.07066528 ,0.6666667  ,0,0.6666667 , 0.0807635,0.33333334,0,0.07761291 ,0.28027344]).reshape(-1,10)pred =xg.process(input_numpy)print("pred: ",pred)

Python使用XGBoost相关推荐

python下载安装教程mac-教程｜如何在mac上为Python安装XGBoost!
原标题:教程|如何在mac上为Python安装XGBoost! 摘要:XGBoost是一个开发非常快速和准确的梯度增强模型的库,它在Kaggle数据科学竞赛中被大量的kaggle选手选用,其中包括两个 ...
python numpy库安装 mac_教程｜如何在mac上为Python安装XGBoost!
原标题:教程|如何在mac上为Python安装XGBoost! 摘要:XGBoost是一个开发非常快速和准确的梯度增强模型的库,它在Kaggle数据科学竞赛中被大量的kaggle选手选用,其中包括两个 ...
怎么在苹果手机上安装python_教程｜如何在mac上为Python安装XGBoost!
你需要安装GCC和Python环境,以便为Python构建和安装XGBoost. 我推荐GCC 7和Python 3.6,我建议使用MacPorts安装这些软件. 1.有关逐步安装MacPorts和P ...
Python中XGBoost的特性重要性和特性选择
使用像梯度增强这样的决策树方法的集合的一个好处是,它们可以从经过训练的预测模型中自动提供特征重要性的估计. 在这篇文章中,您将发现如何使用Python中的XGBoost库估计特性对于预测建模问题的重要 ...
python安装xgboost的方法
2020/07/09更新方法一(极力推荐) ** 1. 卸载下好的xgboost,如果电脑里没有下载过xgboost,可以直接看第二步 ** 进入cmd--进入xgboost安装的目录--在cmd输 ...
python 安装xgboost_如何在macOS上为Python安装XGBoost？
教程概述本教程分为以下3个部分: 1.安装MacPorts: 2.构建XGBoost: 3.安装XGBoost. 注意:我在一系列不同的macOS版本上都是使用这个过程.本教程是在macOS Hig ...
python 基于xgboost预测波士顿房价
一.意义这是一个机器学习练习项目,旨在熟悉xgboost的建模过程和数据分析的思路,目标数据选取sklearn自带数据集--波士顿房价二.开始 1. 导入要用的库 from sklearn.dat ...
Python实现XGBoost+长短记忆神经网络（LSTM）+随机森林（RF）分析布鲁克林篮网队胜利因素并预测下一场比赛结果
最近看NBA被篮网队所吸引,有进攻有防守而且观赏性很强,所以特此使用算法来分析一下篮网队赢球的关键因素有哪些,同时也简单预测下一场比赛结果,仅供参考. 数据来源:布鲁克林篮网队20-21赛季数据 ht ...
XGBoost参数调优完全指南（附Python代码）——转载
转载自https://www.cnblogs.com/mfryf/p/6293814.html 译注:文内提供的代码和运行结果有一定差异,可以从这里下载完整代码对照参考.另外,我自己跟着教程做的时候, ...

Python使用XGBoost

Python使用XGBoost相关推荐

最新文章

热门文章