回归模型使用实战xgb.XGBRegressor

最新推荐文章于 2024-08-13 14:53:52 发布

甜辣uu

最新推荐文章于 2024-08-13 14:53:52 发布

阅读量1.1w

点赞数 3

分类专栏： python从入门到精通文章标签：机器学习

本文链接：https://blog.csdn.net/qq_38735017/article/details/111203258

版权

python从入门到精通专栏收录该内容

166 篇文章 154 订阅 ¥29.90 ¥99.00

订阅专栏

超级会员免费看

本文详细介绍了如何在机器学习项目中运用xgb.XGBRegressor进行回归预测，通过实例展示了该模型的配置与调优过程。

摘要由CSDN通过智能技术生成

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
import xgboost as xgb,numpy as np
from sklearn.metrics import mean_squared_error  

boston = load_boston()
X = boston.data  # 特征值
y = boston.target  # 目标值

# 划分数据集，80% 训练数据和 20% 测试数据
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

print(X_train.shape)
print(X_train)

(404, 13)
[[2.59406e+01 0.00000e+00 1.81000e+01 ... 2.02000e+01 1.27360e+02
  2.66400e+01]
 [1.88360e-01 0.00000e+00 6.91000e+00 ... 1.79000e+01 3.96900e+02
  1.41500e+01]
 [8.87300e-02 2.10000e+01 5.64000e+00 ... 1.68000e+01 3.9556

了解本专栏