13、提升模型性能：提升法与堆叠法的应用

提升模型性能：提升法与堆叠法的应用

提升法（Boosting）构建 XGBoost 模型

在机器学习中，提升法是一种强大的技术，能够显著提升模型的性能。下面我们将详细介绍如何使用 XGBoost 构建模型，并对其进行评估和优化。

数据预处理

首先，我们需要将数据划分为特征集和目标集，并验证数据的有效性。假设我们有一个名为 df_glassdata 的数据集，代码如下：

# split data into X and Y
X = df_glassdata.iloc[:,1:10]
Y = df_glassdata.iloc[:,10]
print(X.shape)
print(Y.shape)

同时，我们需要确认数据中没有缺失值：

df_glassdata.isnull().sum()

接下来，将数据集划分为训练集和测试集：

# Create train & test sets
from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.30, random_state=0)

构建 XGBoost 模型