git: https://github.com/linyi0604/MachineLearning

数据集被我下载到本地，可以去我的git上拿数据集

XGBoost

提升分类器

属于集成学习模型

把成百上千个分类准确率较低的树模型组合起来

不断迭代,每次迭代生成一颗新的树

下面 对泰坦尼克遇难预测

使用XGBoost模型 和 其他分类器性能进行比较

 

1 import pandas as pd 2 from sklearn.cross_validation import train_test_split 3 from sklearn.feature_extraction import DictVectorizer 4 from sklearn.ensemble import RandomForestClassifier 5 from xgboost import XGBClassifier 6  7 ''' 8 XGBoost 9 提升分类器10     属于集成学习模型11     把成百上千个分类准确率较低的树模型组合起来12     不断迭代,每次迭代生成一颗新的树13     14     15 下面 对泰坦尼克遇难预测16 使用XGBoost模型 和 其他分类器性能进行比较17 18 '''19 20 titanic = pd.read_csv("../data/titanic/titanic.txt")21 # 抽取pclass age 和 sex 作为训练样本22 x = titanic[["pclass", "age", "sex"]]23 y = titanic["survived"]24 # 采集的age空的用平均数补全25 x["age"].fillna(x["age"].mean(), inplace=True)26 27 # 分割训练数据和测试数据28 x_train, x_test, y_train, y_test = train_test_split(x,29                                                     y,30                                                     test_size=0.25,31                                                     random_state=33)32 # 提取字典特征 进行 向量化33 vec = DictVectorizer()34 x_train = vec.fit_transform(x_train.to_dict(orient="record"))35 x_test = vec.transform(x_test.to_dict(orient="record"))36 37 # 采用默认配置的随机森林进行预测38 rfc = RandomForestClassifier()39 rfc.fit(x_train, y_train)40 print("随机森林预测准确率:", rfc.score(x_test, y_test))  # 0.781155015197568441 42 # 采用XGBoost模型进行预测43 xgbc = XGBClassifier()44 xgbc.fit(x_train, y_train)45 print("XGBoost预测准确率:", xgbc.score(x_test, y_test))  # 0.7872340425531915