ML之xgboost：基于xgboost(5f-CrVa)算法對(duì)HiggsBoson數(shù)據(jù)集(Kaggle競(jìng)賽)訓(xùn)練(模型保存+可視化)實(shí)現(xiàn)二分類預(yù)測(cè)

?

?

目錄

數(shù)據(jù)集簡(jiǎn)介

輸出結(jié)果

設(shè)計(jì)思路

核心代碼

---

?

?

?

?

數(shù)據(jù)集簡(jiǎn)介

Dataset之HiggsBoson：Higgs Boson(Kaggle競(jìng)賽)數(shù)據(jù)集的簡(jiǎn)介、下載、案例應(yīng)用之詳細(xì)攻略

?

?

輸出結(jié)果

更新中……

1、交叉訓(xùn)練時(shí)間比較長(zhǎng)，大約需要20多分鐘。

?

?

?

設(shè)計(jì)思路

更新中……

?

?

核心代碼

更新中……

num_round = 1000 n_estimators = cvresult.shape[0] print ('running cross validation, with preprocessing function')# do cross validation, for each fold # the dtrain, dtest, param will be passed into fpreproc # then the return value of fpreproc will be used to generate results of that fold cvresult = xgb.cv(param, dtrain, num_round, nfold=5, metrics={'ams@0.15', 'auc'}, early_stopping_rounds=10, seed = 0, fpreproc = fpreproc) print ('finish cross validation','\n',cvresult) print ('train model using the best parameters by cv ... ') bst = xgb.train( param, dtrain, n_estimators ) bst.save_model('data_input/xgboost/data_higgsboson/higgs_cv.model')

?

?

?

?

《新程序員》：云原生和全面數(shù)字化實(shí)踐50位技術(shù)專家共同創(chuàng)作，文字、視頻、音頻交互閱讀

總結(jié)

以上是生活随笔為你收集整理的ML之xgboost：基于xgboost(5f-CrVa)算法对HiggsBoson数据集(Kaggle竞赛)训练(模型保存+可视化)实现二分类预测的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。