中药二分类python

中药二分类是指将中药材按照其功效分类为不同的类别，这是一个典型的二分类问题。以下是基于Python和XGBoost实现中药二分类的步骤：

1.准备数据集

首先需要准备好中药材的数据集，包括每种中药材的功效和特征。可以使用pandas库读取csv文件，并使用sklearn库的train_test_split函数将数据集分为训练集和测试集。

2.特征工程

对于中药材的数据集，需要进行特征工程，将每种中药材的功效和特征转换为可以被模型识别的特征向量。可以使用sklearn库的CountVectorizer和TfidfTransformer函数将文本数据转换为数值型特征。

3.训练模型

使用XGBoost库训练模型，可以使用GridSearchCV函数进行参数调优，提高模型的准确率。

4.模型评估

使用sklearn库的accuracy_score、precision_score、recall_score和f1_score函数对模型进行评估，选择最优模型。

5.预测结果

使用训练好的模型对测试集进行预测，并计算预测结果的准确率、精确率、召回率和F1值。

以下是一个简单的中药二分类Python代码示例：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction.text import CountVectorizer, TfidfTransformer
from xgboost import XGBClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import accuracy_score, precision_score, recall_score, f1_score

# 读取数据集
data = pd.read_csv('data.csv')

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data['feature'], data['label'], test_size=0.2, random_state=42)

# 特征工程
count_vect = CountVectorizer()
X_train_counts = count_vect.fit_transform(X_train)
tfidf_transformer = TfidfTransformer()
X_train_tfidf = tfidf_transformer.fit_transform(X_train_counts)

# 训练模型
xgb = XGBClassifier()
parameters = {'n_estimators': [100, 200, 300], 'max_depth': [3, 4, 5]}
clf = GridSearchCV(xgb, parameters, cv=5)
clf.fit(X_train_tfidf, y_train)

# 模型评估
X_test_counts = count_vect.transform(X_test)
X_test_tfidf = tfidf_transformer.transform(X_test_counts)
y_pred = clf.predict(X_test_tfidf)
print('Accuracy:', accuracy_score(y_test, y_pred))
print('Precision:', precision_score(y_test, y_pred))
print('Recall:', recall_score(y_test, y_pred))
print('F1 score:', f1_score(y_test, y_pred))