这是我的第344篇原创文章。
一、引言
对于表格数据，一套完整的机器学习建模流程如下：
针对不同的数据集，有些步骤不适用，其中橘红色框为必要步骤，欢迎大家关注翻看我之前的一些相关文章。前面我介绍了机器学习模型的二分类任务和回归任务，接下来做一下机器学习的多分类系列，由于本系列案例数据质量较高，有些步骤跳过了，跳过的步骤将单独出文章总结！在Python中，可以使用Scikit-learn库来构建XGBoost分类模型进行多分类预测，本文以预测小麦品种为例，对这个过程做一个简要解读。
二、实现过程
2.1 准备数据
data = pd.read_csv(r'data.csv')
df = pd.DataFrame(data)
print(df.head())df：
2.2 提取目标变量
target = 'Type'
features = df.columns.drop(target)
print(data["Type"].value_counts()) # 顺便查看一下样本是否平衡2.3 划分数据集
# df = shuffle(df)
X_train, X_test, y_train, y_test = train_test_split(df[features], df[target], test_size=0.2, random_state=0)2.4 标签编码
le = LabelEncoder()
y_train = le.fit_transform(y_train)XGBoost分类模型的标签需要从0开始。
2.5 模型的构建
model = LGBMClassifier()2.6 模型的训练
model.fit(X_train, y_train)2.7 模型的推理
y_test = le.transform(y_test)
y_pred = model.predict(X_test)
y_scores = model.predict_proba(X_test)
print(y_pred)2.8 模型的评价
acc = accuracy_score(y_test, y_pred) # 准确率acc
print(f"acc: \n{acc}")
cm = confusion_matrix(y_test, y_pred) # 混淆矩阵
print(f"cm: \n{cm}")
cr = classification_report(y_test, y_pred) # 分类报告
print(f"cr: \n{cr}")结果：
混淆矩阵：
ROC：
作者简介： 读研期间发表6篇SCI数据算法相关论文，目前在某研究院从事数据算法相关研究工作，结合自身科研实践经历持续分享关于Python、数据分析、特征工程、机器学习、深度学习、人工智能系列基础知识与案例。关注gzh：数据杂坛，获取数据和源码学习更多内容。
原文链接：
