Boosting实例（AdaBoost）

#读取数据
import pandas as pd
data=pd.read_csv('/data/train.csv')
data.head()

#提取特征值和标签值
X=data.iloc[:,:-1].values#提取特征值
y=data.iloc[:,-1].values#提取标签值

#划分训练集与测试集，参数test_size设为0.2，random_state设为7
from sklearn.model_selection  import train_test_split
x_train,x_test,y_train,y_test = train_test_split(X,y,test_size=0.2,random_state=7)

#建立模型，并训练模型
import warnings
warnings.filterwarnings('ignore')#用于屏蔽警告
from sklearn.ensemble import AdaBoostClassifier#导入分类器模块
#弱学习器的数量由参数 n_estimators 来控制，这里的数量是10
ada=AdaBoostClassifier(n_estimators=10)
ada.fit(x_train,y_train)

#用测试数据集进行预测
ypredict=ada.predict(x_test)

#评估预测的准确率
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, ypredict)
print("Accuracy: %.2f%%" % (accuracy * 100.0))

经过测试：

弱学习器的数量  为 10 时 ，准确率最高。

n_estimators               Accuracy

        7                             94.74
        8                             95.61
        9                             96.49
        10                           98.25
        11                           96.49