SCIKIT-LEARN与GBDT使用案例

http://blog.csdn.net/superzrx/article/details/47073847

安装

SCIKIT-LEARN是一个基于Python/numpy/scipy的机器学习库 
windows下最简单的安装方式是使用winpython进行安装 
WinPython地址

GBDT使用

这段代码展示了一个简单的GBDT调用过程 
数据维数24，训练数据1990，测试数据221

import numpy as np
from sklearn.ensemble import GradientBoostingRegressor
gbdt=GradientBoostingRegressor(
  loss='ls'
, learning_rate=0.1
, n_estimators=100
, subsample=1
, min_samples_split=2
, min_samples_leaf=1
, max_depth=3
, init=None
, random_state=None
, max_features=None
, alpha=0.9
, verbose=0
, max_leaf_nodes=None
, warm_start=False
)
train_feat=np.genfromtxt("train_feat.txt",dtype=np.float32)
train_id=np.genfromtxt("train_id.txt",dtype=np.float32)
test_feat=np.genfromtxt("test_feat.txt",dtype=np.float32)
test_id=np.genfromtxt("test_id.txt",dtype=np.float32)
print train_feat.shape，rain_id.shape，est_feat.shape，est_id.shape
gbdt.fit(train_feat,train_id)
pred=gbdt.predict(test_feat)
total_err=0
for i in range(pred.shape[0]):
    print pred[i],test_id[i]
    err=(pred[i]-test_id[i])/test_id[i]
    total_err+=err*err
print total_err/pred.shape[0]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31

train_id.txt示例

320
361
364
336
358

• 1
• 2
• 3
• 4
• 5

• 1
• 2
• 3
• 4
• 5

train_feat.txt示例

0.00598802 0.569231 0.647059 0.95122 -0.225434 0.837989 0.357258 -0.0030581 -0.383475
0.161677 0.743195 0.682353 0.960976 -0.0867052 0.780527 0.282945 0.149847 -0.0529661
0.113772 0.744379 0.541176 0.990244 -0.00578035 0.721468 0.43411 -0.318043 0.288136
0.0538922 0.608284 0.764706 0.95122 -0.248555 0.821229 0.848604 -0.0030581 0.239407
0.173653 0.866272 0.682353 0.95122 0.017341 0.704709 -0.0210016 -0.195719 0.150424 

• 1
• 2
• 3
• 4
• 5

• 1
• 2
• 3
• 4
• 5

测试结果与真值

333.986169852 334.0
360.84170859 360.0
342.658750421 343.0
329.591753015 328.0
374.247432336 374.0

• 1
• 2
• 3
• 4
• 5

• 1
• 2
• 3
• 4
• 5

更多详细功能介绍请看这里

调参与结果对比

误差度量采用预测值与真值的误差占真值的百分比的均值

方法	参数	平均误差百分比
svm	最佳参数	1.60452%
gdbt	n_estimators=100,max_depth=3	2.29247%
gdbt	n_estimators=1000,max_depth=3	1.23875%
gdbt	n_estimators=1000,max_depth=5	1.14202%
gdbt	n_estimators=1000,max_depth=7	1.02505%

可以看出n_estimators和max_depth 与gbdt的表达能力相关度很高 
同时gbdt相对svm效果更优

 

顶