ML之xgboost：利用xgboost算法(sklearn+7CrVa)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)

 ML之xgboost：利用xgboost算法(sklearn+7CrVa)训练mushroom蘑菇数据集(22+1,6513+1611)来预测蘑菇是否毒性(二分类预测)

 

 

目录

输出结果

设计思路

核心代码

---

 

 

 

 

输出结果

 

 

 

设计思路

 

 

核心代码

kfold = StratifiedKFold(n_splits=10, random_state=7) #fit_params = {'eval_metric':"logloss"} #results = cross_val_score(bst, X_train, y_train, cv=kfold, fit_params) results = cross_val_score(bst, X_train, y_train, cv=kfold) print(results) print("7-CrVa Accuracy Mean(STD): %.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100)) #输出 x = range(0,len(results)) y1 = results y2 = [results.mean()]*10 Xlabel = 'n_splits' Ylabel = 'Accuracy' title = 'mushroom datase: xgboost(sklearn+7CrVa) model' plt.plot(x,y1,'g') #绘制曲线 plt.plot(x,y2,'r--') #平均值曲线 plt.xlabel(Xlabel) plt.ylabel(Ylabel) plt.title(title) plt.show()

 

 

 

一个处女座的程序猿 认证博客专家 华为杯研电赛一等 华为研数模一等奖 国内外AI竞十 人工智能硕博生，目前兼职国内外多家头部人工智能公司的AI技术顾问。拥有十多项发明专利(6项)和软件著作权(9项)，多个国家级证书(2个国三级、3个国四级)，先后获得国内外“人工智能算法”竞赛(包括国家级、省市级等，一等奖5项、二等奖4项、三等奖2项)相关证书十多个，以上均以第一作者身份，并拥有省市校级个人荣誉证书十多项。正在撰写《人工智算法最新实战》一书，目前已37万字。