ML之xgboost：基于xgboost(5f-CrVa)算法對HiggsBoson數據集(Kaggle競賽)訓練(模型保存+可視化)實現二分類預測

?

?

目錄

數據集簡介

輸出結果

設計思路

核心代碼

---

?

?

?

?

數據集簡介

Dataset之HiggsBoson：Higgs Boson(Kaggle競賽)數據集的簡介、下載、案例應用之詳細攻略

?

?

輸出結果

更新中……

1、交叉訓練時間比較長，大約需要20多分鐘。

?

?

?

設計思路

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》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

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內容，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站內容還不錯，歡迎將生活随笔推薦給好友。