XGbosst逻辑回归Python代码
时间: 2023-06-14 14:06:01 浏览: 73
XGBoost是一个强大的机器学习算法,可以用于二元分类、多元分类和回归问题。在XGBoost中,逻辑回归是一种基于树的模型。
下面是使用XGBoost进行逻辑回归的Python代码:
```python
import xgboost as xgb
import pandas as pd
# 加载数据集
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1]
y = data.iloc[:, -1]
# 分割数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 定义分类器
clf = xgb.XGBClassifier(max_depth=5, learning_rate=0.1, n_estimators=100, silent=True, objective='binary:logistic')
# 训练模型
clf.fit(X_train, y_train)
# 预测测试集
y_pred = clf.predict(X_test)
# 计算准确率
acc = accuracy_score(y_test, y_pred)
print('Accuracy:', acc)
```
在这个代码中,我们首先使用Pandas库加载数据集,然后使用train_test_split函数将数据集分割成训练集和测试集。接下来,我们定义了一个XGBoost分类器,并使用 fit 函数来训练模型。最后,我们使用 predict 函数来预测测试集,并使用 accuracy_score 函数计算准确率。
需要注意的是,XGBoost的超参数需要进行调参才能获得最佳的结果。在这个代码中,我们使用了一组默认的超参数。如果需要获得更好的结果,可以使用网格搜索等技术来调整超参数。