ML之xgboost:利用xgboost算法(sklearn+3Split+调参曲线+EarlyStop)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+3Spli+调参曲线+EarlyStop)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)

导读
       利用xgboost算法(结合sklearn+3CrVa+调参曲线+EarlyStop)训练mushroom蘑菇数据集(22+1,6513+1611)实现预测某品种蘑菇是否有毒(二分类预测)。

 

 

 

目录

输出结果

设计思路

核心代码


 

 

 

 

 

 

输出结果

ML之xgboost:利用xgboost算法(sklearn+3Split+调参曲线+EarlyStop)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+调参曲线+EarlyStop)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+调参曲线+EarlyStop)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+调参曲线+EarlyStop)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+调参曲线+EarlyStop)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)

更新190525 0941

ML之xgboost:利用xgboost算法(sklearn+3Split+调参曲线+EarlyStop)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

#EarlyStop法防止过拟合

# 设置boosting迭代计算次数
num_round = 100
eval_set = [(X_validate, y_validate)]
bst.fit(X_train, y_train, early_stopping_rounds=10, 
        eval_metric='error',eval_set=eval_set, verbose=True)

 

 

 

上一篇:自制脚本语言笔记(没什么价值)


下一篇:绕过webshell查杀工具