# -*- encoding:utf-8 -*-
#xgboost安装教程 参考 http://blog.csdn.net/lht_okk/article/details/54311333
#xgboost原理参考 http://www.cnblogs.com/mfryf/p/6238185.html
#http://blog.csdn.net/bryan__/article/details/52056112
import xgboost as xgb
import numpy as np
from sklearn.model_selection import train_test_split
def iris_type(s):
it={'Iris-setosa': 0, 'Iris-versicolor': 1, 'Iris-virginica': 2}
return it[s]
if __name__=="__main__":
path='10.iris.data'
data=np.loadtxt(path,dtype=float,delimiter=',',converters={4:iris_type})
x,y=np.split(data,(4,),axis=1)
#print 'x',x
#print 'y',y
x_train,x_test,y_train,y_test=train_test_split(x,y,random_state=1,test_size=50)
data_train=xgb.DMatrix(x_train,label=y_train)
data_test=xgb.DMatrix(x_test,label=y_test)
watch_list=[(data_test,'eval'),(
xgboost使用案例一
最新推荐文章于 2024-08-17 11:24:13 发布
本篇博客主要展示了如何使用XGBoost对鸢尾花数据集进行分类。通过加载数据、预处理、训练模型并评估结果,最终得到一个准确率为96%的分类模型。
摘要由CSDN通过智能技术生成