XGBoost预测乳腺癌数据python代码

XGBoost是一种强大的机器学习算法，常用于分类和回归问题。下面是使用XGBoost进行乳腺癌数据预测的Python代码示例：

首先，你需要安装XGBoost库。可以使用以下命令进行安装：

pip install xgboost

接下来，导入所需的库和模块：

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

加载乳腺癌数据集：

data = load_breast_cancer()
X = data.data
y = data.target

将数据集划分为训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

定义XGBoost分类器并进行训练：

model = xgb.XGBClassifier()
model.fit(X_train, y_train)

使用训练好的模型进行预测：

y_pred = model.predict(X_test)

计算预测准确率：

accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

以上是使用XGBoost进行乳腺癌数据预测的基本代码示例。