XGBoost实例——皮马印第安人糖尿病预测和特征筛选

利用皮马印第安人糖尿病数据集来预测皮马印第安人的糖尿病，以下是数据集的信息：

• Pregnancies：怀孕次数
• Glucose：葡萄糖
• BloodPressure：血压 (mm Hg)
• SkinThickness：皮层厚度 (mm)
• Insulin：胰岛素 2小时血清胰岛素（mu U / ml ）
• BMI：体重指数 （体重/身高）^2
• DiabetesPedigreeFunction：糖尿病谱系功能
• Age：年龄 （岁）
• Outcome：目标值 （0或1）

导入模块

# 导入模块包
import pandas as pd
from sklearn.model_selection import train_test_split
import xgboost as xgb
import warnings
warnings.filterwarnings('ignore')
from sklearn.metrics import roc_auc_score, roc_curve, confusion_matrix, classification_report
import matplotlib.pyplot as plt
import seaborn as sns

读取数据

df = pd.read_csv('pima-indians-diabetes.csv')
print(df.info())
df.head()

由于数据比较完整，不存在数据缺失的问题，所以数据不用处理。

直接进行预测

# 数据划分
feature_columns = ['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'Insulin', 'BMI', 'DiabetesPedigreeFunction', 'Age']
X = df[feature_columns]
y = df['Outcome']
train_X, test_X, train_y, test_y = train_test_split(X,y,random_state=7,test_size&