xgboost预测鸢尾花数据集

下面是使用 XGBoost 预测鸢尾花数据集的代码示例：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import xgboost as xgb

# 加载数据集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# 构建 DMatrix 数据格式
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test, label=y_test)

# 设置参数
param = {
    'max_depth': 3,  # 树的最大深度
    'eta': 0.3,  # 学习率
    'objective': 'multi:softmax',  # 多分类问题
    'num_class': 3  # 类别数
}

# 训练模型
num_round = 20
bst = xgb.train(param, dtrain, num_round)

# 预测结果
y_pred = bst.predict(dtest)

# 计算准确率
accuracy = sum(y_test == y_pred) / len(y_test)
print('Accuracy:', accuracy)

这里使用了 XGBoost 的 DMatrix 数据格式，它可以将数据集转换成 XGBoost 可以处理的格式。参数中设置了树的最大深度、学习率、目标函数（多分类问题）和类别数，并且训练了 20 次。最后计算了预测准确率并输出。