xgboost鸢尾花数据集分类 python代码

很高兴回答你的问题！以下是一个使用xgboost算法对鸢尾花数据集进行分类的Python代码示例：

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

# 加载鸢尾花数据集
data = load_iris()

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.3, random_state=42)

# 使用xgboost算法对数据进行分类
dtrain = xgb.DMatrix(X_train, label=y_train)
dtest = xgb.DMatrix(X_test, label=y_test)

params = {'max_depth': 3, 'eta': 0.1, 'silent': 1, 'objective': 'multi:softmax', 'num_class': 3}
num_round = 50

bst = xgb.train(params, dtrain, num_round)

# 对测试集进行预测
preds = bst.predict(dtest)

print('Accuracy:', round(sum(preds == y_test)/len(y_test), 3))

希望能帮助到你！如果有其他问题，欢迎随时提出。