xgboost二分类代码python

以下是一个基于XGBoost算法的二分类Python代码示例：

import xgboost as xgb
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
data = load_breast_cancer()
X = data.data
y = data.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 训练XGBoost分类器
model = xgb.XGBClassifier()
model.fit(X_train, y_train)

# 预测测试集结果
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: %.2f%%" % (accuracy * 100.0))

该代码使用了sklearn库中的乳腺癌数据集作为示例数据集，使用XGBoost算法进行二分类。首先，加载数据集并将其划分为训练集和测试集。然后，使用XGBoost分类器进行训练，并使用测试集进行预测。最后，计算准确率并输出结果。