ML之xgboost：利用xgboost算法(sklearn+7CrVa)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)

Holle 2022-09-19 14:44:30  54587

分类专栏：资讯

输出结果

设计思路

核心代码

输出结果

设计思路

核心代码


kfold = StratifiedKFold(n_splits=10, random_state=7)                                
fit_params = {'eval_metric':"logloss"}
results = cross_val_score(bst, X_train, y_train, cv=kfold, fit_params)
results = cross_val_score(bst, X_train, y_train, cv=kfold)                           
print(results)
print("7-CrVa Accuracy Mean(STD): %.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100))  输出
 
 
x = range(0,len(results))
y1 = results
y2 = [results.mean()]*10  
Xlabel = 'n_splits'
Ylabel = 'Accuracy'
title = 'mushroom datase: xgboost(sklearn+7CrVa) model'
 
plt.plot(x,y1,'g')                      绘制曲线
plt.plot(x,y2,'r--')                    平均值曲线
plt.xlabel(Xlabel)
plt.ylabel(Ylabel)
plt.title(title)
plt.show()

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=3067

赞同 0

评论 0 条

ML之xgboost：利用xgboost算法(sklearn+7CrVa)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