xgboost网格搜索算法调参+多标签分类预测项目实战

xgboost网格搜索算法调参+多标签分类预测项目实战

一、前言

极值梯度提升算法(XGBoost)是华盛顿大学学者陈天奇在2014年提出的，因其性能的优越性而广泛应用于工业和人工智能竞赛。

二、模型建立流程

1.引入库

代码如下（示例）：

##加载库
#------------------------------------------------------------------------------
import xlrd
import numpy as np
#import xgboost as xgb
import time
from xgboost import XGBClassifier
from sklearn.model_selection import GridSearchCV
import matplotlib.pyplot as plt
from xgboost import plot_tree
from sklearn import metrics
from sklearn.model_selection import train_test_split #数据集划分
from sklearn.metrics import accuracy_score  #预测准确率
from xgboost import plot_importance          #特征重要性分析
from sklearn.metrics import classification_report  #分类报告
from sklearn.metrics import f1_score, precision_score, recall_score

2.读入数据

代码如下（示例）：

#------------------------------------------------------------------------------
def excel2matrix(path):
    data = xlrd.open_workbook(path)
    table = data.sheets()[0]
    nrows = table.nrows  # 行数
    ncols = table.ncols  # 列数
    datamatrix = np.zeros((nrows, ncols))
    for i in range(nrows):
        rows = table.row_values(i)
        datamatrix[i,: