ML之xgboost：利用xgboost算法(结合sklearn)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)
2023-09-14 09:04:44 时间
ML之xgboost：利用xgboost算法(结合sklearn)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
bst =XGBClassifier(max_depth=3, learning_rate=1, n_estimators=num_round,
silent=True, objective='binary:logistic')
bst.fit(X_train, y_train)
train_preds = bst.predict(X_train)
preds = bst.predict(X_test)
相关文章
- Java实现 蓝桥杯 算法训练 求平方和
- Java实现 蓝桥杯 算法训练 字符串长度（IO无敌）
- Java实现 蓝桥杯 算法训练 Multithreading
- Java实现 蓝桥杯VIP 算法训练 判定数字
- Java实现 蓝桥杯VIP 算法训练 摆动序列
- Java实现 蓝桥杯VIP 算法训练 大小写判断
- Java实现 蓝桥杯VIP 算法训练 幂方分解
- Java实现 蓝桥杯VIP 算法训练 完数
- Java实现 蓝桥杯VIP 算法训练 回文数
- Java实现 蓝桥杯VIP 算法训练 瓷砖铺放
- Java实现 蓝桥杯VIP 算法训练 链表数据求和操作
- Java实现 蓝桥杯 算法训练 数字三角形
- CV之IC之SpatialTransformer：基于ClutteredMNIST手写数字图片数据集分别利用CNN_Init、ST_CNN算法(CNN+ST)实现多分类预测案例训练过程记录
- CV之IC之VGG16：基于Keras框架利用卷积神经网络VGG16算法的迁移技术实现猫狗分类识别(图片数据增强→保存h5模型)案例训练过程记录
- MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测
- ML：通过数据预处理(分布图/箱型图/模型寻找异常值/热图/散点图/回归关系/修正分布正态化/QQ分位图/构造交叉特征/平均数编码)利用十种算法模型调优实现工业蒸汽量回归预测(交叉训练/模型融合)之详
- ML之xgboost：利用xgboost算法(sklearn+GridSearchCV)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)
- NLP之NB：基于sklearn库利用不同语种数据集训练NB(朴素贝叶斯)算法，对新语种进行语种检测
- DL之NN/Average_Darkness/SVM：手写数字图片识别(本地数据集50000训练集+数据集加4倍)比较3种算法Average_Darkness、SVM、NN各自的准确率
- ML之xgboost&GBM：基于xgboost&GBM算法对HiggsBoson数据集(Kaggle竞赛)训练(两模型性能PK)实现二分类预测
- MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)实现车牌照片字符识别并评估模型
- 算法工程师面试各大预训练模型的对比
- YOLO系列（YOLOv5/YOLOv7/YOLOv8）算法训练数据集保姆级教程