调用航班延误预测的已保存xgboost模型代码

```python 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 preds=model.predict(X=X_test) # 预测 print("预测准确度 : %.2f" % (accuracy * 100)) # 打印出准