xgboost python代码

XGBoost是一种梯度提升算法，它在机器学习领域中非常流行。在Python中，可以使用XGBoost库来实现该算法。下面是一个简单的XGBoost分类器的Python代码示例：

import xgboost as xgb

# 训练XGBoost分类器
model = xgb.XGBClassifier()
model.fit(X_train, y_train)

# 预测测试集
y_pred = model.predict(X_test)

# 绘制混淆矩阵图并输出
import matplotlib.pyplot as plt
import numpy as np
from sklearn.metrics import confusion_matrix

label_names = ['AD', 'CN', 'EMCI', 'LMCI', 'SMC']
cm = confusion_matrix(y_test, y_pred)

fig, ax = plt.subplots()
im = ax.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)
ax.figure.colorbar(im, ax=ax)
ax.set(xticks=np.arange(cm.shape[1]), yticks=np.arange(cm.shape[0]),
       xticklabels=label_names, yticklabels=label_names,
       title='Confusion matrix', ylabel='True label', xlabel='Predicted label')

thresh = cm.max() / 2.
for i in range(cm.shape[0]):
    for j in range(cm.shape[1]):
        ax.text(j, i, format(cm[i, j], 'd'),
                ha="center", va="center",
                color="white" if cm[i, j] > thresh else "black")
fig.tight_layout()
plt.savefig('XGBoost_Conclusion.png', dpi=300)

该代码首先导入了XGBoost库，然后使用XGBoost分类器进行训练和预测。接下来，使用混淆矩阵来评估模型的性能，并将结果图绘制并输出。