ML之xgboost:利用xgboost算法(自带方式)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(自带方式)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

ML之xgboost:利用xgboost算法(自带方式)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)

 

1、xgboost(num_trees=0): Binary prediction based on  Mushroom Dataset

ML之xgboost:利用xgboost算法(自带方式)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(自带方式)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)

 

2、xgboost(num_trees=1): Binary prediction based on  Mushroom Dataset

ML之xgboost:利用xgboost算法(自带方式)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)

 

3、xgboost(num_trees=1,max_depth=4): Binary prediction based on  Mushroom Dataset

ML之xgboost:利用xgboost算法(自带方式)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(自带方式)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(自带方式)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

数据集:Dataset之mushroom:mushroom蘑菇数据集的简介、下载、使用方法之详细攻略

ML之xgboost:利用xgboost算法(自带方式)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

 

preds = bst.predict(dtest)
predictions = [round(value) for value in preds]
test_accuracy = accuracy_score(y_test, predictions)
print("Test Accuracy: %.2f%%" % (test_accuracy * 100.0))


from matplotlib import pyplot
import graphviz

# num_trees=0
# xgb.plot_tree(bst, num_trees=0, rankdir= 'LR' )  
#xgb.to_graphviz(bst,num_trees=0)


# num_trees=1
xgb.plot_tree(bst,num_trees=1, rankdir= 'LR' )
#xgb.to_graphviz(bst,num_trees=1)

 

 

 

上一篇:二叉查找树的查找和插入和删除操作


下一篇:第七周笔记