XGBoost 与 信用卡诈骗数据集

在Github 上面找到了一个信用卡诈骗数据集：

https://github.com/georgymh/ml-fraud-detection

数据源于 kaggle 的信用卡诈骗数据。

其中给出了三种大方法，分别是神经网络，kmeans，以及逻辑回归。

但是今天我想要用XGBoost 试一试。

import sklearn as sk 
import xgboost as xgb 
import numpy as np 
import pandas as pd 
from sklearn.model_selection import train_test_split # 功能：数据集按比例切分为训练集和测试集
from sklearn.metrics import precision_score
from sklearn.metrics import recall_score
from sklearn.preprocessing import scale # 数据集标准化
import matplotlib.pyplot as plt
from pandas_ml import ConfusionMatrix # 引入混淆矩阵
# https://github.com/pandas-ml/pandas-ml/

df = pd.read_csv('creditcard.csv', low_memory=False)

X = df.iloc[:,:-1] # 基于位置的纯整数索引
y = df['Class'] #　类别
X_scaled = scale(X) # 标准化

train_X, test_X, train_y, test_y = train_test_split(X, y, test_size=0.35 ,random_state = 12) 

dtrain = xgb.DMatrix(train_X, labe