机器学习 xgboost 笔记
一、数据预处理、特征工程
类别变量 labelencoder就够了,使用onehotencoder反而会降低性能。其他处理方式还有均值编码(对于存在大量分类的特征,通过监督学习,生成数值变量)、转换处理(低频分类合并)、特征构造(结合其他数值变量生成新特征)。
二、模型调参
网格调参、随机调参。
模型参数没必要太过于纠结,调参到合适的地步就好了,太过沉迷会导致过拟合。
三、样本划分
一般是对数据集按7:3、8:2、7.5:2.5等划分为训练集和测试集。
更用心一点,把数据集随机划分为k折,以任意一部分为测试集,其余部分为训练集,建立k个模型。分别调参。最后对预测结果求平均值(加权或单纯求平均)。这种思路原理在于每个模型都会存在一定方差,会学到部分特征,通过对多个模型求平均值,可以起到消除误差的作用。
我在sofasofa上,第一个练习题排名25/257。rmse:14.925
代码如下:
# -*- coding: utf-8 -*-
"""
Created on Sat Sep 1 21:20:29 2018
@author: 蚂蚁不在线
从原理上来说,机器学习最靠谱的调参方法就是对训练集进行n折交叉验证。
单纯划分训练集和测试集调参的过程中,不可避免地在训练集上过拟合。
k折交叉划分训练集、测试集。
"""
import pandas as pd
import numpy as np
from xgboost import XGBRegressor
#from sklearn.model_selection import train_test_split
from sklearn.model_selection import GridSearchCV
from sklearn.model_selection import RandomizedSearchCV
from sklearn.model_selection import KFold
from sklearn import metrics
##网格搜索
def gsearcher(f_train,t_train,param_test):
gs=GridSearchCV(estimator=XGBRegressor(objective='reg:linear',
eval_metric='rmse'),
param_grid=param_test,
verbose=1,
cv=3)
gs.fit(f_train,t_train)
gs.score=np.sqrt(abs(gs.best_score_))
return gs
##随机搜索
def rsearcher(f_train,t_train,param_test):
rs=RandomizedSearchCV(estimator=XGBRegressor(objective='reg:linear'),
param_distributions=param_test,
verbose=1,
n_iter=100,
cv=3,
scoring='neg_mean_squared_error')
rs.fit(f_train,t_train)
rs.score=np.sqrt(abs(rs.best_score_))
return rs
#k折交叉验证
def kmodel(train,y_train,param,test):
result,col,score=pd.DataFrame(),0,[]
kf = KFold(n_splits=5,shuffle=True,random_state=0)
model=XGBRegressor(objective='reg:linear',
eval_metric='rmse',
n_estimators=param['n_estimators'],
max_depth=param['max_depth'],
learning_rate=param['learning_rate'],
subsample=param['subsample'],
colsample_bytree=param['colsample_bytree'],
min_child_weight=param['min_child_weight'],
reg_lambda=param['reg_lambda'],
reg_alpha=param['reg_alpha'],
gamma=param['gamma']
)
scores=[]
for train_index , test_index in kf.split(train):
col+=1
ktrain=train.iloc[list(train_index),:]
ktest=train.iloc[list(test_index),:]
y_ktrain=y_train[list(train_index)]
y_ktest=y_train[list(test_index)]
model.fit(ktrain,y_ktrain)
yp=model.predict(ktest)
score=np.sqrt(abs(metrics.mean_squared_error(y_ktest,yp)))
print(score)
scores.append(score)
yp=model.predict(test)
result['result_'+str(col)]=yp
result['result_'+str(col)]=result['result_'+str(col)].apply(lambda x:0 if x<0 else x)
result['score']=result.apply(lambda x:x.mean(),axis=1)
print(sum(scores)/5)
return result
# 读取数据
train = pd.read_csv("train.csv")
test = pd.read_csv("test.csv")
submit = pd.read_csv("sample_submit.csv")
# 删除id
train.drop(['id'], axis=1, inplace=True)
test.drop(['id'], axis=1, inplace=True)
# 取出训练集的y
t_train = train.pop('y')
#train,test=data_process(train,test)
param_test={'n_estimators':range(100,120,1),
'max_depth':range(5,11,1),
'learning_rate':[0.1+0.01*x for x in range(6)],
'subsample':[0.7+0.01*x for x in range(11)],
'colsample_bytree':[0.7+0.01*x for x in range(11)],
'min_child_weight':range(5,15,1),
'reg_lambda':range(1,3,2),
'reg_alpha':range(2,8,1),
'gamma':range(2,6,1)
}
rs=rsearcher(train,t_train,param_test)
print('最优参数:',rs.best_params_,rs.score)
with open('log.txt','a+',encoding='utf-8') as f:
f.write(str(rs.score)+str(rs.best_params_)+'\n')
result=kmodel(train,t_train,rs.best_params_,test)
submit['y']=result['score']
submit.to_csv('submit_0903_1.csv',index=False)
机器学习 xgboost 笔记的更多相关文章
- 机器学习&数据挖掘笔记_14(GMM-HMM语音识别简单理解)
为了对GMM-HMM在语音识别上的应用有个宏观认识,花了些时间读了下HTK(用htk完成简单的孤立词识别)的部分源码,对该算法总算有了点大概认识,达到了预期我想要的.不得不说,网络上关于语音识别的通俗 ...
- 机器学习&数据挖掘笔记(常见面试之机器学习算法思想简单梳理)
机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理) 作者:tornadomeet 出处:http://www.cnblogs.com/tornadomeet 前言: 找工作时( ...
- [转]机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理) 转自http://www.cnblogs.com/tornadomeet/p/3395593.html 前言: 找工作时(I ...
- Andrew Ng机器学习课程笔记(五)之应用机器学习的建议
Andrew Ng机器学习课程笔记(五)之 应用机器学习的建议 版权声明:本文为博主原创文章,转载请指明转载地址 http://www.cnblogs.com/fydeblog/p/7368472.h ...
- Andrew Ng机器学习课程笔记--week1(机器学习介绍及线性回归)
title: Andrew Ng机器学习课程笔记--week1(机器学习介绍及线性回归) tags: 机器学习, 学习笔记 grammar_cjkRuby: true --- 之前看过一遍,但是总是模 ...
- Andrew Ng机器学习课程笔记--汇总
笔记总结,各章节主要内容已总结在标题之中 Andrew Ng机器学习课程笔记–week1(机器学习简介&线性回归模型) Andrew Ng机器学习课程笔记--week2(多元线性回归& ...
- Andrew 机器学习课程笔记
Andrew 机器学习课程笔记 完成 Andrew 的课程结束至今已有一段时间,课程介绍深入浅出,很好的解释了模型的基本原理以及应用.在我看来这是个很好的入门视频,他老人家现在又出了一门 deep l ...
- ng机器学习视频笔记(一)——线性回归、代价函数、梯度下降基础
ng机器学习视频笔记(一) --线性回归.代价函数.梯度下降基础 (转载请附上本文链接--linhxx) 一.线性回归 线性回归是监督学习中的重要算法,其主要目的在于用一个函数表示一组数据,其中横轴是 ...
- ng机器学习视频笔记(二) ——梯度下降算法解释以及求解θ
ng机器学习视频笔记(二) --梯度下降算法解释以及求解θ (转载请附上本文链接--linhxx) 一.解释梯度算法 梯度算法公式以及简化的代价函数图,如上图所示. 1)偏导数 由上图可知,在a点 ...
随机推荐
- 第一次使用eclipse出现的问题
最近开始学习java,在一系列操作下安装好了eclipse后,按照书上的问题写了一个小程序 问题: 用户从键盘只能输入整数,程序输出这些整数的乘积. 看到这个问题后就感觉和c语言蛮像的,首先去ecli ...
- Flutter去除右上角Debug标签
void main(){ runApp(new MyApp()); } class MyApp extends StatefulWidget { @override _MyAppState creat ...
- HackerRank-Python攻城歷程-2.List comprehensions
if __name__ == '__main__': x = int(input()) y = int(input()) z = int(input()) n = int(input()) print ...
- python程序—利用socket监控端口
利用socket监控服务器端口,端口不通时,发邮件提醒 import yagmail #导入yagmail模块 import re #导入re模块,进行正则匹配 import socket #导入so ...
- threejs深入纹理,立体场景cubeResolution(四)
在这个课程里主要完成讲解两个demo: 一个是电视墙:用视频做纹理 一,用视频做纹理 首先我们用video标签把视频源引入: <video id="video" autopl ...
- vue入门练习(一)
1.安装node,webpack node -v //查看已安装版本 npm install -g webpack //安装webpack npm install -g webpack-dev-se ...
- 稠州银行数字化转型:打造银行数据大脑,建立全新数字化DNA
数字经济时代,银行如何进行数字化转型?业务模式转型与科技转型如何协同并进? 2019年1月4日,在上海蚂蚁金服ATEC城市峰会上,浙江稠州商业银行(以下简称“稠州银行”)副行长兼首席信息官程杰分享了稠 ...
- C# 生成小于Int数值绝对值的随机数
C#中有两种类型的随机数生成器: 伪随机数(System.Random) 安全随机数(System.Security.Cryptography.RNGCryptoServiceProvider) ...
- vue日历控件,自定义选择年月 选择年月日 选择年月日时 选择年月日时分,自定义日期范围
下载地址:https://pan.baidu.com/s/1iEZl4kDkEg4ybwqc7aI7vQ 注:功能更加全面的日历控件请访问:https://www.cnblogs.com/mrzhu/ ...
- cowboy源码分析(二)
接 cowboy源码分析(一) 下面我们重点看看cowboy_protocol.erl代码 -module(cowboy_protocol). %% API. -export([start_link/ ...