使用XGBoost算法构建多分类/三分类模型的代码
时间: 2024-06-03 14:04:55 浏览: 123
使用XGBoost算法构建多分类/三分类模型的代码如下:
```python
import xgboost as xgb
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target
# 将数据集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
xgb_clf = xgb.XGBClassifier(objective='multi:softmax', num_class=3)
# 训练模型
xgb_clf.fit(X_train, y_train)
# 预测测试集
y_pred = xgb_clf.predict(X_test)
# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: %.2f%%" % (accuracy * 100.0))
```
在上面的代码中,我们使用了XGBoost的分类器,并将`objective`参数设置为`multi:softmax`,`num_class`参数设置为类别数。然后我们使用`fit`函数训练模型,并使用`predict`函数预测测试集,最后计算准确率。