机器学习之路： python 实践 提升树 XGBoost 分类器

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

 import pandas as pd
 from sklearn.cross_validation import train_test_split
 from sklearn.feature_extraction import DictVectorizer
 from sklearn.ensemble import RandomForestClassifier
 from xgboost import XGBClassifier

 '''
 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

 '''

 titanic = pd.read_csv("../data/titanic/titanic.txt")
 # 抽取pclass age 和 sex 作为训练样本
 x = titanic[["pclass", "age", "sex"]]
 y = titanic["survived"]
 # 采集的age空的用平均数补全
 x["age"].fillna(x["age"].mean(), inplace=True)

 # 分割训练数据和测试数据
 x_train, x_test, y_train, y_test = train_test_split(x,
                                                     y,
                                                     test_size=0.25,
                                                     random_state=33)
 # 提取字典特征 进行 向量化
 vec = DictVectorizer()
 x_train = vec.fit_transform(x_train.to_dict(orient="record"))
 x_test = vec.transform(x_test.to_dict(orient="record"))

 # 采用默认配置的随机森林进行预测
 rfc = RandomForestClassifier()
 rfc.fit(x_train, y_train)
 print("随机森林预测准确率:", rfc.score(x_test, y_test))  # 0.7811550151975684

 # 采用XGBoost模型进行预测
 xgbc = XGBClassifier()
 xgbc.fit(x_train, y_train)
 print("XGBoost预测准确率:", xgbc.score(x_test, y_test))  # 0.7872340425531915