xgboost安装使用（anaconda中）

本文主要是介绍xgboost安装使用（anaconda中），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

本人使用windows系统下的anocaonda的版本为Anaconda2-4.0.0-Windows-x86_64.exe，自带python版本python2.7.13。
通过conda install py-xgboost命令就可以进行安装
通过conda list命令我们可以查看安装的所有库。
然后直接运行下面的测试例子用出错，

*找不到要加载的dll库，这时候我们需要重要的一步就是配置F:\anaconda\install\Library\mingw-w64\bin
环境变量到path中，然后就可以正常运行*

# !/usr/bin/python
# -*- encoding:utf-8 -*-import xgboost as xgb
import numpy as np
from sklearn.tree import DecisionTreeClassifier# 1、xgBoost的基本使用
# 2、自定义损失函数的梯度和二阶导
# 3、binary:logistic/logitraw# 定义f: theta * x
def g_h(y_hat, y):p = 1.0 / (1.0 + np.exp(-y_hat))#   看着像sigmoid函数啊g = p - y.get_label()h = p * (1.0-p)#sigmoid函数的导数return g, hdef error_rate(y_hat, y):return 'error', float(sum(y.get_label() != (y_hat > 0.5))) / len(y_hat)if __name__ == "__main__":# 读取数据data_train = xgb.DMatrix('train.txt')data_test = xgb.DMatrix('test.txt')print data_trainprint type(data_train)# 设置参数# eta：为了防止过拟合，更新过程中用到的收缩步长。在每次提升计算之后，算法会直接获得新特征的权重。 eta通过缩减特征的权重使提升计算过程更加保守。缺省值为0.3，取值范围为：[0,1]，通常最后设置eta为0.01~0.2#silent：取0时表示打印出运行时信息，取1时表示以缄默方式运行，不打印运行时的信息。缺省值为0#objective：目标函数reg:linear    reg:logistic  binary:logistic   binary:logitraw等#evals:如果有评价数据，可以提前终止程序，这样可以找到最优的迭代次数。如果要提前终止程序必须至少有一个评价数据在参数evals中param = {'max_depth': 3, 'eta': 1, 'silent': 1, 'objective': 'binary:logistic'} # logitraw# param = {'max_depth': 3, 'eta': 0.3, 'silent': 1, 'objective': 'reg:logistic'}watchlist = [(data_test, 'eval'), (data_train, 'train')]n_round = 7# bst = xgb.train(param, data_train, num_boost_round=n_round, evals=watchlist)bst = xgb.train(param, data_train, num_boost_round=n_round, evals=watchlist, obj=g_h, feval=error_rate)# 计算错误率y_hat = bst.predict(data_test)y = data_test.get_label()print y_hatprint yerror = sum(y != (y_hat > 0.5))error_rate = float(error) / len(y_hat)print '样本总数：\t', len(y_hat)print '错误数目：\t%4d' % errorprint '错误率：\t%.5f%%' % (100*error_rate)

这篇关于xgboost安装使用（anaconda中）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---