ML之xgboost:利用xgboost算法(sklearn+3Split)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)

输出结果

ML之xgboost:利用xgboost算法(sklearn+3Split)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+3Split)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)


设计思路

ML之xgboost:利用xgboost算法(sklearn+3Split)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)


核心代码

seed = 7

test_size = 0.33

X_train_part, X_validate, y_train_part, y_validate = train_test_split(X_train, y_train,  

                                                                     test_size=test_size,random_state=seed)

validare_preds = bst.predict(X_validate)

train_accuracy = accuracy_score(y_validate, validate_predictions)

print ("【max_depth=3】Validation Accuary: %.2f%%" % (train_accuracy * 100.0))


上一篇:在 Swift 中使用闭包实现懒加载


下一篇:创建多个绘图区 | Python 数据可视化库 Matplotlib 快速入门之十一