python建立一个机器学习模型

Question

本项目的主要目标是建立一个机器学习模型，该模型可以根
据 Covid-19 患者的当前症状、状态和病史预测患者是否处于高
危状态。

给出三个文件：1、训练数据：train_data.csv；2、测试数据：

test_data.csv；3、结果提交样例：test-example.csv。

训练数据给出了一些患者的症状，并标明这种症状是否是高
危病人（USMER 属性）。

测试数据给出了另一些患者的情况，但是并没有告诉你他们
的 USMER 属性，此时需要我们想办法预测出每个患者是否是高
危病人（1 或者 2）。

最终将预测的结果按照顺序整理成结果提交样例的形式，后
面会给出一个软件测试分数。
import pandas as pd
data = pd.read_csv(r'data/train_data.csv')
X = data.drop('USMER', axis=1)
y = data['USMER']

这个代码该怎么写啊

Answer 1

1. 这是一个分类问题，常用的机器学习算法中可以解决此类问题的方法有，逻辑回归，k近邻，支持向量机，贝叶斯分类器，决策树，随机森林和XGboost等。
2. 根据经验，这个数据集的特点应该是大规模高维稀疏，可以考虑基于决策树的分类模型。基础的决策树模型，集成的套袋算法随机森林，或者梯度提升的XGBoost方法。测试集数据没有给出标注，优先考虑XGBoost。
3. XGBoost的参数比较多，可以借助网格搜索的方法进行调参，同时与其他分类模型的结果进行对比，找到最优参数组合。
4. 具体的实现方法，类库xgboost和scikit-leran就完全可以对应，并且有丰富的模型评价指标计算方法。
   可以参考 [https://blog.csdn.net/JasonH2021/article/details/131020942?spm=1001.2014.3001.5501]