机器学习之XGBoost模型学习

1.划分数据集函数train_test_split以及数据的加载:

python机器学习 train_test_split()函数用法解析及示例 划分训练集和测试集 以鸢尾数据为例 入门级讲解_侯小啾的博客-CSDN博客_train_test_split

还有这篇文章,解析的清除:

https://community.modelscope.cn/635e56aed3efff3090b5f62c.html?spm=1001.2101.3001.6650.7&utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EESLANDING%7Eactivity-7-117196625-blog-120677767.pc_relevant_landingrelevant&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EESLANDING%7Eactivity-7-117196625-blog-120677767.pc_relevant_landingrelevant&utm_relevant_index=14

总之,就是

dtrain = xgb.DMatrix(data,label)

中的label,摘抄第一个链接为例:原始二维numpy数据,列表示有多少特征,行表示有多少样本

机器学习之XGBoost模型学习_第1张图片

2. 原理和代码实现:

树类算法之--XGBoost算法原理&代码实战_小小的天和蜗牛的博客-CSDN博客

3. 线性回归模型的两种实现:

XGBoost线性回归工控数据分析实践案例(原生篇)_肖永威的博客-CSDN博客_xgboost 线性回归

XGBoost线性回归工控数据分析实践案例(Sklearn接口篇)_肖永威的博客-CSDN博客_xgboost 线性回归

4.sklearn性能评估:

sklearn中的回归器性能评估方法 - nolonely - 博客园

https://haosen.blog.csdn.net/article/details/105930868?spm=1001.2101.3001.6661.1&utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-105930868-blog-108106208.pc_relevant_aa2&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7ECTRLIST%7ERate-1-105930868-blog-108106208.pc_relevant_aa2&utm_relevant_index=1

评估回归模型的指标:MSE、RMSE、MAE、R2、偏差和方差_悦光阴的博客-CSDN博客 

你可能感兴趣的:(python,学习,人工智能)