ML之xgboost：利用xgboost算法對Boston(波士頓房價(jià))數(shù)據(jù)集【特征列分段→獨(dú)熱編碼】進(jìn)行回歸預(yù)測(房價(jià)預(yù)測)+預(yù)測新數(shù)據(jù)得分

導(dǎo)讀
對Boston(波士頓房價(jià))數(shù)據(jù)集進(jìn)行特征工程，分別使用特征列分段技術(shù)、獨(dú)熱編碼技術(shù)，然后利用xgboost算法進(jìn)行預(yù)測，發(fā)現(xiàn)的確能夠進(jìn)一步提高預(yù)測結(jié)果。

相關(guān)文章
ML之XGBR：利用xgboost算法對Boston(波士頓房價(jià))數(shù)據(jù)集【特征列分段→獨(dú)熱編碼】進(jìn)行回歸預(yù)測(房價(jià)預(yù)測)

輸出結(jié)果

設(shè)計(jì)思路

核心代碼

XGBR = XGBRegressor()  
cv_split = ShuffleSplit(n_splits, train_size, test_size) 
XGBR_grid = GridSearchCV(XGBR, grid_params, cv=cv_split)

class XGBRegressor(XGBModel, XGBRegressorBase):
    # pylint: disable=missing-docstring
    __doc__ = "Implementation of the scikit-learn API for XGBoost regression.\n\n" + '\n'.join
     (XGBModel.__doc__.split('\n')[2:])