xgboost算法_飞速精确的XGboost算法时代|Python算法回归预测

线性回归、BP神经网络、支持向量机、随机森林算法对比

一、概念

各种模型算法概念可以参考往期文章：

开通头条号|细思极恐！股票价格竟是可预测Python集成算法

二、关于XGboost回归预测锂电池的健康状态(SOH)

现在做预测锂电池的健康状态SOH，电池的电压、电压差、温度、温度差作为模型的特征输入，相应的健康状态SOH作为模型的输出，模型用XGboost。

将其预测精度与线性回归、BP神经网络、支持向量机、随机森林进行对比，XGboost的预测精度要比它们都要高。用图来显示

例如：下图就是用图来表示随机森林在回归预测锂电池的SOC上，其精度比BP神经网络、T-S模糊神经网络要好。

数据如下：

Python算法-关于XGboost回归预测锂电池的健康状态(SOH)及与其他算法的预测精度对比：

import pandas as pd

import matplotlib. pyplot as plt

import xgboost as xgb

from s