从XGBoost角度理解为什么要使用机器学习

我们使用Python和经典的鸢尾花（Iris）数据集 ，目标是根据花的长度和宽度数据，预测花的品种。

用"笨办法"处理分类问题，其实就是在没有机器学习算法 的情况下，靠人工规则和统计来做判断。我以鸢尾花分类为例，给你展示几种"笨办法"。

🌸 笨办法：人工肉眼判断（基于规则）

鸢尾花数据集有4个特征，但其实花瓣长度 和花瓣宽度 两个特征就足够区分了。我们可以直接写if-else规则：

复制代码

def predict_by_rules(sepal_len, sepal_wid, petal_len, petal_wid):
    """
    基于人工观察到的规律进行分类
    规则来源：看数据分布图总结出来的
    """
    # 山鸢尾（setosa）最明显：花瓣又短又窄
    if petal_len < 2.5:
        return "山鸢尾 (setosa)"
    
    # 剩下的两种：根据花瓣宽度区分
    if petal_wid < 1.8:
        return "变色鸢尾 (versicolor)"
    else:
        return "维吉尼亚鸢尾 (virginica)"

# 测试几个样本
test_samples = [
    [5.1, 3.5, 1.4, 0.2],  # 明显是山鸢尾
    [6.0, 2.9, 4.5, 1.5],  # 变色鸢尾
    [6.5, 3.0, 5.5, 2.1],  # 维吉尼亚鸢尾
]

for sample in test_samples:
    result = predict_by_rules(*sample)
    print(f"特征: {sample} -> 预测: {result}")

优点：简单、可解释性强

缺点：规则靠经验，边界模糊时容易出错；如果特征很多（比如100个），规则会复杂到写不出来。

但是，使用机器学习，来解决：

复制代码

import xgboost as xgb
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, classification_report

# 加载数据
iris = load_iris()
X, y = iris.data, iris.target
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
model = xgb.XGBClassifier(n_estimators=100, max_depth=3, learning_rate=0.1,
                          objective='multi:softmax', num_class=3, random_state=42)
model.fit(X_train, y_train)

# 预测与评估
y_pred = model.predict(X_test)
print(f"准确率: {accuracy_score(y_test, y_pred):.2f}")
print(classification_report(y_test, y_pred, target_names=iris.target_names))

❤：加载100条数据，其中70用来训练，30条用来测试。

无论训练还是测试，都需要：特征+标签。也就是 X和y

训练的数据（X_train,y_train）训练结束之后，再用训练的结果来对测试特征，计算出"预测测试特性"，这个"预测测试特性"和测试特征y_test做比较，看最后的预测是否成功率高。如果很高，就可以使用。

模型训练完之后怎么用？

很多人初学机器学习时都会卡在这一步------训练完模型后，不知道怎么在实际中应用。我来给你完整展示从训练到部署使用的全过程。

🎯 核心思路：保存模型 → 加载模型 → 预测新数据

模型训练完成后，不能每次都重新训练（太耗时），而是把训练好的模型保存下来 ，以后直接加载使用。

📦 方法：使用 pickle（Python原生，最常用）

第一步：训练并保存模型

复制代码

import pickle
import xgboost as xgb
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 1. 训练模型（和之前一样）
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(
    iris.data, iris.target, test_size=0.2, random_state=42
)

model = xgb.XGBClassifier(n_estimators=100, max_depth=3, random_state=42)
model.fit(X_train, y_train)

# 2. 保存模型到文件
with open('iris_model.pkl', 'wb') as f:
    pickle.dump(model, f)

print("模型已保存为 iris_model.pkl")

第二步：在新场景中加载并使用

复制代码

import pickle
import numpy as np

# 1. 加载模型
with open('iris_model.pkl', 'rb') as f:
    loaded_model = pickle.load(f)

# 2. 用模型预测新数据
# 假设这是你新采集的一朵花的数据：[花萼长, 花萼宽, 花瓣长, 花瓣宽]
new_flowers = [
    [5.1, 3.5, 1.4, 0.2],   # 新样本1
    [6.7, 3.1, 4.7, 1.5],   # 新样本2
    [7.2, 3.6, 6.1, 2.5],   # 新样本3
]

# 批量预测
predictions = loaded_model.predict(new_flowers)

# 将数字标签转为品种名称
species = {0: '山鸢尾', 1: '变色鸢尾', 2: '维吉尼亚鸢尾'}
for i, pred in enumerate(predictions):
    print(f"样本{i+1}: {new_flowers[i]} -> 预测品种: {species[pred]}")

# 如果想看预测概率（更丰富的信息）
probabilities = loaded_model.predict_proba(new_flowers)
print("\n预测概率详情:")
for i, prob in enumerate(probabilities):
    print(f"样本{i+1}: 山鸢尾{prob[0]:.2%}, 变色鸢尾{prob[1]:.2%}, 维吉尼亚鸢尾{prob[2]:.2%}")