xgboost分类模型案例

XGBoost是一种高效且功能强大的梯度提升算法，常用于机器学习中的分类任务。下面是一个简单的XGBoost分类模型案例，假设我们正在使用Python的scikit-learn库结合XGBoost对鸢尾花数据集（Iris dataset）进行分类：

# 导入所需库
import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from xgboost import XGBClassifier
from sklearn.metrics import accuracy_score

# 加载数据
iris = load_iris()
X = iris.data
y = iris.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=0.2, random_state=42)

# 初始化XGBoost分类器
model = XGBClassifier(objective='multi:softmax', num_class=3) # 根据鸢尾花有三个类别设定num_class

# 训练模型
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型性能
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")