xgboost的python实现
时间: 2023-07-07 21:23:52 浏览: 43
XGBoost的Python实现是XGBoost库,可以使用pip安装。以下是一个简单的XGBoost回归模型的Python代码示例:
```python
import xgboost as xgb
import pandas as pd
from sklearn.model_selection import train_test_split
# 读取数据
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1]
y = data.iloc[:, -1]
# 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=123)
# 定义XGBoost回归模型
xgb_model = xgb.XGBRegressor(objective='reg:squarederror', n_estimators=100, max_depth=5, learning_rate=0.1)
# 训练模型
xgb_model.fit(X_train, y_train)
# 预测测试集结果
y_pred = xgb_model.predict(X_test)
# 评估模型
from sklearn.metrics import mean_squared_error, r2_score
print('MSE:', mean_squared_error(y_test, y_pred))
print('R2 score:', r2_score(y_test, y_pred))
```
以上代码导入了XGBoost库和Pandas库,使用`read_csv`函数读取CSV格式的数据文件,使用`train_test_split`函数划分训练集和测试集。然后定义一个XGBoost回归模型,使用`fit`方法训练模型,使用`predict`方法预测测试集结果。最后使用Scikit-learn库中的`mean_squared_error`和`r2_score`函数评估模型。