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
目录
数据集简介
输出结果
设计思路
核心代码
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 foldcvresult = 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')
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
