Gradient Boosted Trees的python代码案例
时间: 2024-02-07 10:02:28 浏览: 84
当然!下面是一个使用Gradient Boosted Trees(梯度提升树)的Python代码案例:
```python
# 导入必要的库
import pandas as pd
from.ensemble import GradientBoostingClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取数据集
data = pd.read_csv('data.csv')
# 划分特征和目标变量
X = data.drop('target', axis=1)
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=0.2, random_state=42)
# 创建梯度提升树模型
model = GradientBoostingClassifier()
# 训练模型
model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = model.predict(X_test)
# 计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)
```
这个案例中使用了`GradientBoostingClassifier`类来创建梯度提升树模型,并使用`fit`方法对模型进行训练。然后使用`predict`方法在测试集上进行预测,并使用`accuracy_score`方法计算模型的准确率。
请注意,这只是一个简单的示例,具体的实现可能会因数据集和问题而有所不同。你可以根据自己的需求调整代码。
阅读全文