import xgboost as xgb
from sklearn.preprocessing import LabelEncoder
import pandas as pd
import numpy as np


# 读入数据，并进行特征处理和标签转换 
df = pd.read_csv('data/train.csv')  # 读取数据集 
le = LabelEncoder()                 # 标签转换器 
df['ORIGIN'] = le.fit_transform(df['ORIGIN'])   # 将原始地点的字符串转化为整形的标签 

   # 分割特征和标签，并将标签转化为0,1的形式   

    X,y = df[['MONTH', 'DAY_OF_MONTH', 'DAY_OF_WEEK', 'ORIGIN', 'DEST','CRS_DEP_TIME']].values, df['ARRIVAL'].map(lambda x: 0 if x <= 15 else 1).values  

    # 划分数据集：20%测试集，80%训练集    

    offset = int(X.shape[0] * 0.2)  

    X_train, y_train = X[:offset], y[:offset]  

    X_test, y_test = X[offset:], y[offset:]    

     # 用xgboost进行分类预测     

      model=xgb.XGBClassifier()  

      model.fit(X=X_train,y=y_train)     # 训练模型