ML之xgboost：利用xgboost算法(自带特征重要性可视化+且作为阈值训练模型)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)

小海豚俊秀 2022-09-19 14:42:00  49725

分类专栏：资讯

输出结果

设计思路

核心代码

输出结果

可知，8个或者5个特征就足够好了，odor、spore-print-color、population、gill-spacing、gill-size

设计思路

后期更新……

核心代码

后期更新……


print('XGB_model.feature_importances_：','\n', XGB_model.feature_importances_)
 
from matplotlib import pyplot
pyplot.bar(range(len(XGB_model.feature_importances_)), XGB_model.feature_importances_)
 
 
 
from xgboost import plot_importance
plot_importance(XGB_model)
 
 
 
thresholds = sort(XGB_model.feature_importances_)
 
for thresh in thresholds:
     
  selection = SelectFromModel(XGB_model, threshold=thresh, prefit=True)
  select_X_train = selection.transform(X_train)
   
  selection_model = XGBClassifier()
  selection_model.fit(select_X_train, y_train)
   
   
  select_X_test = selection.transform(X_test)
  y_pred = selection_model.predict(select_X_test)
  predictions = [round(value) for value in y_pred]
  accuracy = accuracy_score(y_test, predictions)
  print("Thresh=%.3f, n=%d, Accuracy: %.2f%%" % (thresh, select_X_train.shape[1], accuracy*100.0))

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

本文链接：https://www.xckfsq.com/news/show.html?id=3053

赞同 0

评论 0 条

ML之xgboost：利用xgboost算法(自带特征重要性可视化+且作为阈值训练模型)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

设计思路

核心代码

相关文章

关注我们