xgboost 毒蘑菇mushroom数据集分类

最新推荐文章于 2025-04-22 14:45:51 发布

皿小草

最新推荐文章于 2025-04-22 14:45:51 发布

阅读量8.3k

点赞数 1

分类专栏： ML

本文链接：https://blog.youkuaiyun.com/oqqYuan1234567890/article/details/92234833

版权

本文详细介绍使用XGBoost对毒蘑菇数据集进行分类的过程，包括数据预处理、特征编码、模型训练及交叉验证评估。实验结果显示，XGBoost在分类任务上表现出色，尤其在RMSE指标上取得了理想的效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装 xgboost

pip3 install xgboost

毒蘑菇数据集

毒蘑菇数据集的描述参考：
https://archive.ics.uci.edu/ml/datasets/Mushroom
毒蘑菇的特征描述如下

Attribute Information:

1. cap-shape: bell=b,conical=c,convex=x,flat=f, knobbed=k,sunken=s 
2. cap-surface: fibrous=f,grooves=g,scaly=y,smooth=s 
3. cap-color: brown=n,buff=b,cinnamon=c,gray=g,green=r, pink=p,purple=u,red=e,white=w,yellow=y 
4. bruises?: bruises=t,no=f 
5. odor: almond=a,anise=l,creosote=c,fishy=y,foul=f, musty=m,none=n,pungent=p,spicy=s 
6. gill-attachment: attached=a,descending=d,free=f,notched=n 
7. gill-spacing: close=c,crowded=w,distant=d 
8. gill-size: broad=b,narrow=n 
9. gill-color: black=k,brown=n,buff=b,chocolate=h,gray=g, green=r,orange=o,pink=p,purple=u,red=e, white=w,yellow=y 
10. stalk-shape: enlarging=e,tapering=t 
11. stalk-root: bulbous=b,club=c,cup=u,equal=e, rhizomorphs=z,rooted=r,missing=? 
12. stalk-surface-above-ring: fibrous=f,scaly=y,silky=k,smooth=s 
13. stalk-surface-below-ring: fibrous=f,scaly=y,silky=k,smooth=s 
14. stalk-color-above-ring: brown=n,buff=b,cinnamon=c,gray=g,orange=o, pink=p,red=e,white=w,yellow=y 
15. stalk-color-below-ring: brown=n,buff=b,cinnamon=c,gray=g,orange=o, pink=p,red=e,white=w,yellow=y 
16. veil-type: partial=p,universal=u 
17. veil-color: brown=n,orange=o,white=w,yellow=y 
18. ring-number: none=n,one=o,two=t 
19. ring-type: cobwebby=c,evanescent=e,flaring=f,large=l, none=n,pendant=p,sheathing=s,zone=z 
20. spore-print-color: black=k,brown=n,buff=b,chocolate=h,green=r, orange=o,purple=u,white=w,yellow=y 
21. population: abundant=a,clustered=c,numerous=n, scattered=s,several=v,solitary=y 
22. habitat: grasses=g,leaves=l,meadows=m,paths=p, urban=u,waste=w,woods=d

mushroom数据集原有的格式是：

p,x,s,n,t,p,f,c,n,k,e,e,s,s,w,w,p,w,o,p,k,s,u
e,x,s,y,t,a,f,c,b,k,e,c,s,s,w,w,p,w,o,p,n,n,g

第一列的对应关系是：无毒 edible=e, 有毒 poisonous=p，后面的列是特征。
显然，上述特征值都是categorical 特征，跟上面22个特征描述一一对应。对于这种categorical feature，一般都要进行onehot编码，可以借助sklearn的DictVectorizer或者自己编写onehot，然后按照xgboost的输入格式：
category feature_id:feature_value...

例如xgboost tutorial里面内置的mushroom数据集：