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

和谐笑冬日 2022-09-19 14:40:40  50491

分类专栏：资讯

数据集简介

Dataset之HiggsBoson：Higgs Boson(Kaggle竞赛)数据集的简介、下载、案例应用之详细攻略

输出结果

更新中……

1、交叉训练时间比较长，大约需要20多分钟。

设计思路

更新中……

核心代码

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')

网站声明：如果转载，请联系本站管理员。否则一切后果自行承担。

本文链接：https://www.xckfsq.com/news/show.html?id=3046

赞同 0

评论 0 条

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

数据集简介

输出结果

设计思路

核心代码

相关文章

关注我们