Python代码使用梯度提升树GBDT实现Boston房价预测
时间: 2023-12-14 21:37:26 浏览: 164
基于Python常用机器学习算法的简洁实现之梯度提升决策树.zip
以下是使用梯度提升树(GBDT)实现Boston房价预测的Python代码示例:
```python
# 导入所需库
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.ensemble import GradientBoostingRegressor
from sklearn.metrics import mean_squared_error
# 导入数据集
boston = datasets.load_boston()
# 定义特征和标签
X = boston.data
y = boston.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)
# 定义模型
model = GradientBoostingRegressor(loss='ls', learning_rate=0.1, n_estimators=100, max_depth=3, random_state=42)
# 拟合模型
model.fit(X_train, y_train)
# 预测测试集
y_pred = model.predict(X_test)
# 计算均方误差(MSE)
mse = mean_squared_error(y_test, y_pred)
print("MSE: ", mse)
```
上述代码中,我们首先导入了所需的库,然后加载了波士顿房价数据集。接着我们将数据集中的特征和标签分别赋值给变量X和y,并使用train_test_split函数将数据集划分为训练集和测试集。然后我们定义了一个梯度提升树回归器,并使用fit方法拟合了训练集的数据。最后,我们使用predict方法预测了测试集的数据,并计算了均方误差(MSE),以评估模型的性能。
阅读全文