XGBoost的简单安装及入门使用

这篇具有很好参考价值的文章主要介绍了XGBoost的简单安装及入门使用。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

XGBoost安装及简单入门

XGBoost支持多种操作系统,如Windows, Linux, MacOS等,并支持多种语言版本,如Python, R, Scale, Java等。XGBoost的安装方式一般有两种,一种是直接通过pip安装(适合用于Python),另外一种是通过源码编译安装
1、通过pip安装
通过pip安装Python包既简单又方便,只需执行如下的命令:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xgboost

使用清华的镜像来进行下载,可以快速安装,在安装完成后,可以在Python中直接引用XGBoost包,代码如下:
XGBoost的简单安装及入门使用

import xgboost as xgb

通过pip安装的是PyPI(Python Package Index)中已经预编译好的XGBoost包,目前提供了Linux 64位和Windows 64位两种。

2、通过源码编译安装
虽然通过pip安装XGBoost比较方便,但是这种方法只适用于Python环境下,并且其安装的XGBoost版本可能不是最新的版本。如果我们想要在其他语言环境下或者想要安装最新的XGBoost版本,则可直接通过编译源码安装。源码编译安装XGBoost主要分为两个步骤
(1)通过C++代码构建共享库(Linux/OSX中为libxgboost.so, Windows中为xgboost.dll)
(2)安装相应的语言包

XGBoost的初使用:
在这里我们使用一个经典的数据集来训练XGBoost,鸢尾花数据集,在训练集上进行测试,并在测试集上测试得到在测试集上的准确率

其简单的代码如下所示:

import xgboost as xgb
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split


iris = load_iris()
X,y = iris.data,iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=1234565) # 数据集分割
from sklearn.metrics import accuracy_score   # 准确率

#定义模型的训练参数
params = {
    'booster': 'gbtree',
    'objective': 'multi:softmax',
    'num_class': 3,
    'gamma': 0.1,
    'max_depth': 6,
    'lambda': 2,
    'subsample': 0.7,
    'colsample_bytree': 0.75,
    'min_child_weight': 3,
    'silent': 0,
    'eta': 0.1,
    'seed': 1,
    'nthread': 4,
}

dtrain = xgb.DMatrix(X_train, y_train)

#训练的轮数
num_round = 5


model = xgb.train(params, dtrain, num_round)
dtest = xgb.DMatrix(X_test)
y_pred = model.predict(dtest)

accuracy = accuracy_score(y_test,y_pred)
print("accuarcy: %.2f%%" % (accuracy*100.0))

在测试集上,可以得到96.67%的准确率
XGBoost的简单安装及入门使用文章来源地址https://www.toymoban.com/news/detail-430874.html

到了这里,关于XGBoost的简单安装及入门使用的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Elasticsearch入门 - Mac上Elasticsearch和Kibana的安装运行与简单使用

    Elasticsearch是一个基于Apache Lucene的搜索服务器,适用于所有类型的数据,包括文本、数字、地理空间、结构化和非结构化数据,是是ELK的一个组成部分(ELK代表的是:E就是ElasticSearch,L就是Logstach,K就是kibana)。 它提供了分布式可扩展的实时搜索和分析引擎,它以其简单的

    2024年01月25日
    浏览(42)
  • Yolov5-Python系列(一)—— 基础入门(yolov5安装、简单使用)

    推荐使用Anconda环境:通过Anaconda则可以通过创造新的虚拟环境解决资源包(python库)之间冲突问题。 (一)Anconda安装:https://www.anaconda.com/download (二)Yolov5 下载:https://github.com/ultralytics/yolov5 安装很简单的,略,安装成功后… (一)进入anaconda命令行 (二)为yolov5创建独立

    2023年04月26日
    浏览(50)
  • Ubuntu安装PyBullet | PyBullet 导入Ur5 | PyBullet简单使用 | 关于机械臂强化学习仿真引擎的选择 | PyBullet入门操作

    最近在搞强化学习,需要找一个物理仿真软件来跑我的机械臂强化学习模型,去网上搜了一下,当前比较主流的有 PyBullet Mujoco VREP … 一开始是想用Mujoco,听说Mujoco现在免费了很适合强化学习,还有一个基于Mujoco的Robosuite很适合机器人的强化学习,一顿操作下来发现Bug实在太多

    2024年02月07日
    浏览(40)
  • RocketMQ的windos/linux/docker超详细安装及简单入门!

    本文若有不当之处欢迎提出pr/issue 主要内容: 初识MQ RocketMQ简介 RocketMQ安装 RocketMQ快速入门 SpringBoot集成RocketMQ 最后 1.1.同步和异步通讯 微服务间通讯有同步和异步两种方式: 同步通讯:就像打电话,需要实时响应。 异步通讯:就像发邮件,不需要马上回复。 两种方式各有

    2024年02月03日
    浏览(38)
  • note_前端框架Vue的安装和简单入门(Windows 11)

    (1) 下载安装node.js和npm (2) 使用npm下载安装vue 下面两张图分别展示了项目的创建过程(图1)和创建完成后的目录文件(图2)。 图1. 执行 web init webpackage 后需要依次配置的选项。包括项目名、项目简介、作者、build类型、是否安装vue-router、是否使用ESLint检查代码、ESLint类型、

    2024年02月10日
    浏览(39)
  • 机器学习-使用 XGBoost 时间序列预测能源消耗

    简而言之,时间序列预测是根据以前的历史数据预测未来值的过程。目前使用时间序列预测的最热门领域之一是加密货币市场,人们希望预测比特币或以太坊等流行加密货币的价格在未来几天甚至更长时间内将如何波动。另一个现实世界的案例是能源消耗预测。尤其是在能源

    2024年02月11日
    浏览(48)
  • 小程序 wxchart 使用简单入门

    官方参考: Example - wxCharts使用说明 · Issue #58 · xiaolin3303/wx-charts · GitHub 引入 地址:GitHub - xiaolin3303/wx-charts: 微信小程序图表charts组件,Charts for WeChat Mini Program 把clone下来的文件里dist下面的wxcharts.js或者wxcharts-min.js放到自己文件目录中 常用参数说明 参数说明   opts        

    2024年02月15日
    浏览(48)
  • 【Unity入门】软件Unity Hub和Unity的安装和简单尝试

    目录 软件准备: 下载Unity Hub和需要的Unity Unity Hub配置: Unity3D配置: 开始新建项目:​ 简单尝试: 简易Demo: ①先认识场景的创建工具: ​ ②创建场景对象 ③根据自己的需求创建对象和场景,注意对象之间的父子关系嵌套​ ④为对象新建后台代码组成 ⑤双击代码文件,

    2023年04月09日
    浏览(92)
  • Git快速入门篇—— Windows版本淘宝镜像快速下载安装详细步骤及简单入门教程(附带图文教程)

    前言:我们平时在整理代码的时候,尤其是与别人一起开发项目的时候,常常涉及到代码的更新,因此代码版本问题成了一个很头痛的事。而git正是为了解决这种问题而诞生。本文将详细介绍如何通过淘宝镜像进行git的安装以及git的简单入门技巧。 下一章: git与远程仓库的交

    2024年02月03日
    浏览(89)
  • Kafka入门介绍+集群部署+简单使用

    官网:https://kafka.apache.org/ 中文文档:https://kafka1x.apachecn.org/intro.html Kafka是一个开源的分布式流处理平台 主要有三个关键功能 发布订阅事件流(可以用作消息队列) 分布式持久化存储事件流(可以用作数据处理系统) 可以在事件发生时处理或回顾性的处理 整体架构图如下:

    2024年04月27日
    浏览(39)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包