对wine数据进行xgboost建模预测
时间: 2023-08-06 22:02:23 浏览: 50
好的,以下是使用XGBoost对wine数据集进行建模预测的代码示例:
```python
import xgboost as xgb
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载数据集
data = load_wine()
X, y = data.data, 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)
# 定义XGBoost模型
model = xgb.XGBClassifier()
# 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)
# 输出精度
acc = accuracy_score(y_test, y_pred)
print("Accuracy: %.4f" % acc)
```
以上代码首先加载wine数据集,然后使用train_test_split函数将数据集划分为训练集和测试集。接着,我们定义XGBoost模型并在训练集上进行训练。最后,我们使用训练好的模型在测试集上进行预测,并输出精度。
需要注意的是,XGBoost还有许多超参数可以调整。如果需要更好的性能,可以使用GridSearchCV等工具来寻找最优的超参数组合。