基于XGBOOST的糖尿病遗传风险预测（2）

上接（1）

完成了数据预处理之后进行回归器的学习：

if self.model_name == "xgboost":
            clf = XGBRegressor()
            if self.find_best_param:
                test_params = {
                    'max_depth': [2,3, 4, 5, 6],
                    'learning_rate': [0.25,0.5,0.1, 0.3],
                    'n_estimators': [10,25,50, 100, 200]
                }
           mean_squared_error_scorer = make_scorer(score_func=mean_squared_error, greater_is_better=False)
                gs = GridSearchCV(estimator=clf, param_grid=test_params, cv=4, verbose=2,
                                  scoring=mean_squared_error_scorer, n_jobs=2)
                gs.fit(self.train_X, self.train_y)
                print('======xgboost==== Best Results ================')
                print('best params: {}, best score: {}'.format(gs.best_params_, gs.best_score_))
                print('=============== End ================')
                best_params = gs.best_params_
                with open("medical_treament_find_best_param.txt",'a+') as fh:
                    fh.write("{} {} best params: {} best score: {}\n".format(
                    time.strftime('%Y-%m-%d %H:%M:%S', time.localtime()), self.model_name, gs.best_params_,
                    gs.best_score_))
            else:
                best_params = {'learning_rate': 0.1, 'max_depth': 3, 'n_estimators': 100}
            clf = XGBRegressor(n_estimators=best_params['n_estimators'], learning_rate=best_params['learning_rate'],
                               max_depth=best_params['max_depth'])
        clf.fit(self.train_X, self.train_y)
        self.test_y = clf.predict(self.test_X)
        print("train successfully!")

发现其实学习训练部分就是简单使用一下现成的库函数，没什么东西，主要工作还是在数据的预处理部分。

最终的结果如图所示：

除了个别点相差有点夸张之外，整体1200个预测结果还是可以接受的。