python实现机器学习算法XGBoost

最新推荐文章于 2024-08-17 11:24:13 发布

liuzh(少昊)

最新推荐文章于 2024-08-17 11:24:13 发布

阅读量1k

点赞数

分类专栏：机器学习算法实现文章标签： python 机器学习 XGBoost pandas numpy

本文链接：https://blog.csdn.net/liuzonghao88/article/details/86264482

版权

该博客通过Python实现了XGBoost机器学习算法。首先，数据从数据库中获取并转化为pandas DataFrame。接着，数据被划分为特征和目标变量，并进一步拆分为训练集和测试集。然后，运用XGBoost进行预测，并详细分析了预测结果，包括精确率、召回率、F1分数、混淆矩阵和准确率。

摘要由CSDN通过智能技术生成

查询数据库数据保存为pandas.dataframe

from sqlalchemy import create_engine
# 初始化数据库连接，使用pymysql模块
engine = create_engine('mysql+pymysql://用户名:host:3306/数据库名')
# 查询语句，选出employee表中的所有数据
sql = '''
      SELECT  字段 FROM 表名 WHERE 条件
      '''
# read_sql_query的两个参数: sql语句， 数据库连接
dataset = pd.read_sql_query(sql, engine)

# 输出employee表的查询结果
print(dataset.head(10))

获取特征值和目标值，拆分特征为测试集合训练集（0.2为例）

from sklearn.model_selection import train_test_split
# Split-out validation dataset
array = dataset.values
# 假设前5列为特征  最后一列为目标值
X = array[:,:5]
y = array[:,5]
print(X)
print(y)
validation_size = 0.20
seed = 7
X_train, X_validation, Y_train, Y_validation = model_selection.train_test_split(X, y, test_size=validation_size, random_state=seed)