如何计算XGBRegressor (objective = 'reg:logistic') 的f1_score
时间: 2024-02-12 21:02:22 浏览: 29
`XGBRegressor`是一种回归模型,不支持直接计算F1分数。F1分数通常用于衡量二分类模型的性能。如果你想要使用XGBoost库进行二分类任务,可以使用`XGBClassifier`类,其中`objective`参数设置为`binary:logistic`,适用于二分类问题的逻辑回归损失函数。
以下是一个计算`XGBClassifier`模型F1分数的示例代码:
```python
from xgboost import XGBClassifier
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.metrics import f1_score
# 加载数据
breast_cancer = load_breast_cancer()
X = breast_cancer.data
y = breast_cancer.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)
# 训练模型
xgb_clf = XGBClassifier(objective='binary:logistic')
xgb_clf.fit(X_train, y_train)
# 使用训练好的模型进行预测
y_pred = xgb_clf.predict(X_test)
# 计算F1分数
f1 = f1_score(y_test, y_pred)
print('F1 score:', f1)
```
在这个例子中,使用`XGBClassifier`类进行二分类任务,`objective`参数设置为`binary:logistic`。然后使用`f1_score`函数计算F1分数。