【簡介】

使用 XGBoost Classification 進行資料的分類。

【介面的功能及說明】

• 資料集選單

下拉式選單顯示可以分析的資料集。

• 開啟資料集的資料夾位置

可以快速編輯與新增資料集。

• 說明文件和教學影片

開啟官方網頁，查看說明文件和教學影片。

• 程式流程

設定各個流程的參數，並且依照流程的順序執行。

【操作步驟及說明】

1. 選擇資料集

從下拉式選單中，選擇想要分析的資料集。

資料集介紹：

• titanic

鐵達尼號生存預測。

資料集準備：

• 訓練資料集

檔名：train_input.csv

檔案內容：

• 第一行為資料索引(Index)，或是時序性資料的時間日期(date)，這行在分析時會自動忽略。
• 前 N 行為輸入，最後一行為輸出(預測)。
• 以下圖為例，1 代表資料索引或時間日期，2 代表輸入，3 代表輸出。

• 測試資料集

檔名：inference_input.csv

檔案內容：同訓練資料集。

2. 在流程區 1. Train 中，編輯訓練參數，並且按下 Run 執行訓練

參數設定：

• Estimator

gradient boosted trees 的數量 (預設為1000)。

執行結果：

• 訓練的模型針對訓練數據集 (train_input.csv) 的預測準確度

• 輸出預測值 (train_output.csv)

開啟 train_output.csv 檔案後，最後一行為訓練的模型針對訓練數據集 (train_input.csv) 的預測值。

3. 在流程區 2. Inference 中，按下 Run 執行推論

執行結果：

• 訓練的模型針對測試數據集 (inference_input.csv) 的預測準確度。

• 輸出預測值 (inference_output.csv)

開啟 inference _output.csv 檔案後，最後一行為訓練的模型針對測試數據集 (inference _input.csv) 的預測值。