【机器学习】集成学习代码练习(随机森林、GBDT、XGBoost、LightGBM等)|世界看热讯
本文是中国大学慕课《机器学习》的“集成学习”章节的课后代码。
【资料图】
课程地址:
https://www.icourse163.org/course/WZU-1464096179
课程完整代码:
https://github.com/fengdu78/WZU-machine-learning-course
代码修改并注释:黄海广,haiguang2000@wzu.edu.cn
importwarningswarnings.filterwarnings("ignore")importpandasaspdfromsklearn.model_selectionimporttrain_test_split生成数据
生成12000行的数据,训练集和测试集按照3:1划分
fromsklearn.datasetsimportmake_hastie_10_2data,target=make_hastie_10_2()
X_train,X_test,y_train,y_test=train_test_split(data,target,random_state=123)X_train.shape,X_test.shape
((9000, 10), (3000, 10))模型对比
对比六大模型,都使用默认参数
fromsklearn.linear_modelimportLogisticRegressionfromsklearn.ensembleimportRandomForestClassifierfromsklearn.ensembleimportAdaBoostClassifierfromsklearn.ensembleimportGradientBoostingClassifierfromxgboostimportXGBClassifierfromlightgbmimportLGBMClassifierfromsklearn.model_selectionimportcross_val_scoreimporttimeclf1=LogisticRegression()clf2=RandomForestClassifier()clf3=AdaBoostClassifier()clf4=GradientBoostingClassifier()clf5=XGBClassifier()clf6=LGBMClassifier()forclf,labelinzip([clf1,clf2,clf3,clf4,clf5,clf6],["LogisticRegression","RandomForest","AdaBoost","GBDT","XGBoost","LightGBM"]):start=time.time()scores=cross_val_score(clf,X_train,y_train,scoring="accuracy",cv=5)end=time.time()running_time=end-startprint("Accuracy:%0.8f (+/-%0.2f),耗时%0.2f秒。模型名称[%s]"%(scores.mean(),scores.std(),running_time,label))
Accuracy: 0.47488889 (+/- 0.00),耗时0.04秒。模型名称[Logistic Regression]Accuracy: 0.88966667 (+/- 0.01),耗时16.34秒。模型名称[Random Forest]Accuracy: 0.88311111 (+/- 0.00),耗时3.39秒。模型名称[AdaBoost]Accuracy: 0.91388889 (+/- 0.01),耗时13.14秒。模型名称[GBDT]Accuracy: 0.92977778 (+/- 0.00),耗时3.60秒。模型名称[XGBoost]Accuracy: 0.93188889 (+/- 0.01),耗时0.58秒。模型名称[LightGBM]
对比了六大模型,可以看出,逻辑回归速度最快,但准确率最低。而LightGBM,速度快,而且准确率最高,所以,现在处理结构化数据的时候,大部分都是用LightGBM算法。
XGBoost的使用 1.原生XGBoost的使用importxgboostasxgb#记录程序运行时间importtimestart_time=time.time()#xgb矩阵赋值xgb_train=xgb.DMatrix(X_train,y_train)xgb_test=xgb.DMatrix(X_test,label=y_test)##参数params={"booster":"gbtree",#"silent":1,#设置成1则没有运行信息输出,最好是设置为0.#"nthread":7,#cpu线程数默认最大"eta":0.007,#如同学习率"min_child_weight":3,#这个参数默认是1,是每个叶子里面h的和至少是多少,对正负样本不均衡时的0-1分类而言#,假设 h 在0.01 附近,min_child_weight 为 1 意味着叶子节点中最少需要包含 100个样本。#这个参数非常影响结果,控制叶子节点中二阶导的和的最小值,该参数值越小,越容易 overfitting。"max_depth":6,#构建树的深度,越大越容易过拟合"gamma":0.1,#树的叶子节点上作进一步分区所需的最小损失减少,越大越保守,一般0.1、0.2这样子。"subsample":0.7,#随机采样训练样本"colsample_bytree":0.7,#生成树时进行的列采样"lambda":2,#控制模型复杂度的权重值的L2正则化项参数,参数越大,模型越不容易过拟合。#"alpha":0,#L1正则项参数#"scale_pos_weight":1, #如果取值大于0的话,在类别样本不平衡的情况下有助于快速收敛。#"objective":"multi:softmax",#多分类的问题#"num_class":10,#类别数,多分类与multisoftmax并用"seed":1000,#随机种子#"eval_metric":"auc"}plst=list(params.items())num_rounds=500#迭代次数watchlist=[(xgb_train,"train"),(xgb_test,"val")]
#训练模型并保存#early_stopping_rounds当设置的迭代次数较大时,early_stopping_rounds可在一定的迭代次数内准确率没有提升就停止训练model=xgb.train(plst,xgb_train,num_rounds,watchlist,early_stopping_rounds=100,)#model.save_model("./model/xgb.model")#用于存储训练出的模型print("bestbest_ntree_limit",model.best_ntree_limit)y_pred=model.predict(xgb_test,ntree_limit=model.best_ntree_limit)print("error=%f"%(sum(1foriinrange(len(y_pred))ifint(y_pred[i]>0.5)!=y_test[i])/float(len(y_pred))))#输出运行时长cost_time=time.time()-start_timeprint("xgboostsuccess!","\n","costtime:",cost_time,"(s)......")
[0]train-rmse:1.11000val-rmse:1.10422[1]train-rmse:1.10734val-rmse:1.10182[2]train-rmse:1.10465val-rmse:1.09932[3]train-rmse:1.10207val-rmse:1.09694
……
[497]train-rmse:0.62135val-rmse:0.68680[498]train-rmse:0.62096val-rmse:0.68650[499]train-rmse:0.62056val-rmse:0.68624best best_ntree_limit 500error=0.826667xgboost success! cost time: 3.5742645263671875 (s)......2.使用scikit-learn接口
会改变的函数名是:
eta -> learning_rate
lambda -> reg_lambda
alpha -> reg_alpha
fromsklearn.model_selectionimporttrain_test_splitfromsklearnimportmetricsfromxgboostimportXGBClassifierclf=XGBClassifier(# silent=0, #设置成1则没有运行信息输出,最好是设置为0.是否在运行升级时打印消息。#nthread=4,#cpu线程数默认最大learning_rate=0.3,#如同学习率min_child_weight=1,#这个参数默认是1,是每个叶子里面h的和至少是多少,对正负样本不均衡时的0-1分类而言#,假设 h 在0.01 附近,min_child_weight 为 1 意味着叶子节点中最少需要包含 100个样本。#这个参数非常影响结果,控制叶子节点中二阶导的和的最小值,该参数值越小,越容易 overfitting。max_depth=6,#构建树的深度,越大越容易过拟合gamma=0,#树的叶子节点上作进一步分区所需的最小损失减少,越大越保守,一般0.1、0.2这样子。subsample=1,#随机采样训练样本训练实例的子采样比max_delta_step=0,#最大增量步长,我们允许每个树的权重估计。colsample_bytree=1,#生成树时进行的列采样reg_lambda=1,#控制模型复杂度的权重值的L2正则化项参数,参数越大,模型越不容易过拟合。#reg_alpha=0,#L1正则项参数#scale_pos_weight=1, #如果取值大于0的话,在类别样本不平衡的情况下有助于快速收敛。平衡正负权重#objective="multi:softmax",#多分类的问题指定学习任务和相应的学习目标#num_class=10,#类别数,多分类与multisoftmax并用n_estimators=100,#树的个数seed=1000#随机种子#eval_metric="auc")clf.fit(X_train,y_train)y_true,y_pred=y_test,clf.predict(X_test)print("Accuracy:%.4g"%metrics.accuracy_score(y_true,y_pred))
Accuracy : 0.936LIghtGBM的使用 1.原生接口
importlightgbmaslgbfromsklearn.metricsimportmean_squared_error#加载你的数据#print("Loaddata...")#df_train=pd.read_csv("../regression/regression.train",header=None,sep="\t")#df_test=pd.read_csv("../regression/regression.test",header=None,sep="\t")##y_train=df_train[0].values#y_test=df_test[0].values#X_train=df_train.drop(0,axis=1).values#X_test=df_test.drop(0,axis=1).values#创建成lgb特征的数据集格式lgb_train=lgb.Dataset(X_train,y_train)#将数据保存到LightGBM二进制文件将使加载更快lgb_eval=lgb.Dataset(X_test,y_test,reference=lgb_train)#创建验证数据#将参数写成字典下形式params={"task":"train","boosting_type":"gbdt",#设置提升类型"objective":"regression",#目标函数"metric":{"l2","auc"},#评估函数"num_leaves":31,#叶子节点数"learning_rate":0.05,#学习速率"feature_fraction":0.9,#建树的特征选择比例"bagging_fraction":0.8,#建树的样本采样比例"bagging_freq":5,#k意味着每k次迭代执行bagging"verbose":1#<0显示致命的,=0显示错误(警告),>0显示信息}print("Starttraining...")#训练cvandtraingbm=lgb.train(params,lgb_train,num_boost_round=500,valid_sets=lgb_eval,early_stopping_rounds=5)#训练数据需要参数列表和数据集print("Savemodel...")gbm.save_model("model.txt")#训练后保存模型到文件print("Startpredicting...")#预测数据集y_pred=gbm.predict(X_test,num_iteration=gbm.best_iteration)#如果在训练期间启用了早期停止,可以通过best_iteration方式从最佳迭代中获得预测#评估模型print("error=%f"%(sum(1foriinrange(len(y_pred))ifint(y_pred[i]>0.5)!=y_test[i])/float(len(y_pred))))
Start training...[LightGBM] [Warning] Auto-choosing col-wise multi-threading, the overhead of testing was 0.000448 seconds.You can set `force_col_wise=true` to remove the overhead.[LightGBM] [Info] Total Bins 2550[LightGBM] [Info] Number of data points in the train set: 9000, number of used features: 10[LightGBM] [Info] Start training from score 0.012000[1]valid_0"s auc: 0.814399valid_0"s l2: 0.965563Training until validation scores don"t improve for 5 rounds[2]valid_0"s auc: 0.84729valid_0"s l2: 0.934647[3]valid_0"s auc: 0.872805valid_0"s l2: 0.905265[4]valid_0"s auc: 0.884117valid_0"s l2: 0.877875[5]valid_0"s auc: 0.895115valid_0"s l2: 0.852189
……
[191]valid_0"s auc: 0.982783valid_0"s l2: 0.319851[192]valid_0"s auc: 0.982751valid_0"s l2: 0.319971[193]valid_0"s auc: 0.982685valid_0"s l2: 0.320043Early stopping, best iteration is:[188]valid_0"s auc: 0.982794valid_0"s l2: 0.319746Save model...Start predicting...error=0.6640002.scikit-learn接口
fromsklearnimportmetricsfromlightgbmimportLGBMClassifierclf=LGBMClassifier(boosting_type="gbdt",#提升树的类型gbdt,dart,goss,rfnum_leaves=31,#树的最大叶子数,对比xgboost一般为2^(max_depth)max_depth=-1,#最大树的深度learning_rate=0.1,#学习率n_estimators=100,#拟合的树的棵树,相当于训练轮数subsample_for_bin=200000,objective=None,class_weight=None,min_split_gain=0.0,#最小分割增益min_child_weight=0.001,#分支结点的最小权重min_child_samples=20,subsample=1.0,#训练样本采样率行subsample_freq=0,#子样本频率colsample_bytree=1.0,#训练特征采样率列reg_alpha=0.0,#L1正则化系数reg_lambda=0.0,#L2正则化系数random_state=None,n_jobs=-1,silent=True,)clf.fit(X_train,y_train,eval_metric="auc")#设置验证集合verbose=False不打印过程clf.fit(X_train,y_train)y_true,y_pred=y_test,clf.predict(X_test)print("Accuracy:%.4g"%metrics.accuracy_score(y_true,y_pred))
Accuracy : 0.927参考
1.https://xgboost.readthedocs.io/
2.https://lightgbm.readthedocs.io/
3.https://blog.csdn.net/q383700092/article/details/53763328?locationNum=9&fps=1
往期精彩回顾适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑机器学习交流qq群955171419,加入微信群请扫码
标签:
-
2022-02-07 14:57:45
奇迹!绝杀!女足亚洲杯逆转夺冠!<
刚刚,中国女足上演逆转绝杀奇迹!她们在亚洲杯决赛中3:2力克韩国队,时隔16年再夺亚洲杯冠军!
-
2022-02-07 14:57:45
中国政府与阿根廷共和国政府签署共建“一带一路”谅解备忘录<
新华社北京2月6日电(记者安蓓)国家发展改革委6日称,国家发展改革委主任何立峰与阿根廷外交、国际贸易和宗教事
-
2022-02-07 14:57:43
中华人民共和国和阿根廷共和国关于深化中阿全面战略伙伴关系的联合声明(全文)<
新华社北京2月6日电中华人民共和国和阿根廷共和国关于深化中阿全面战略伙伴关系的联合声明一、应中方邀请,阿根廷
-
2022-02-07 14:57:40
春节假期国内旅游出游2.51亿人次<
春节遇冬奥,旅游年味浓。根据文化和旅游部数据中心测算,2022年春节假期7天,全国国内旅游出游2 51亿人次,同比
-
2022-02-07 14:57:40
中吉签署关于经典著作互译出版的备忘录 开启两国人文交流互鉴新阶段<
新华社北京2月6日电(记者史竞男)国家主席习近平6日会见来华出席北京2022年冬奥会开幕式的吉尔吉斯斯坦总统扎帕
-
2022-12-25 22:56:41
【机器学习】集成学习代码练习(随机森林、GBDT、XGBoost、LightGBM等)|世界看热讯
本文是中国大学慕课《机器学习》的“集成学习”章节的课后代码。课程地址:https: www icourse163 org course WZU-1464096
-
2022-12-25 07:44:41
最大CLIP!LAION发布CLIP的扩增定律|世界滚动
点蓝色字关注“机器学习算法工程师”设为星标,干货直达!近日,LAION等机构在Reproduciblescalinglawsforcontrastive
-
2022-12-24 09:44:00
天天最资讯丨任天堂 Switch 独占像素游戏《运动物语》现已发售
IT之家12月24日消息,任天堂官方宣布,像素风RPG《运动物语》现已正式上线eShop登陆Switch平台。 IT之家了解到,《运动物语》是一款像素体
-
2022-12-23 18:54:13
草原铁路2023年春运车票24日起售 内蒙古中西部客流预计上涨
中新网呼和浩特12月23日电(记者李爱平)中国铁路呼和浩特局集团有限公司23日消息称,24日起,铁路部门开始发售2023年春运首日车票。进入12月份
-
2022-12-23 14:41:52
婚前夫妻一方的财产有哪些 环球新消息
1、个人所有的财产,如工资、奖金,从事生产、经营取得的收益,知识产权的收益,因继承或赠与所得的财产、资本收益以及其他合法收入。2、一方
-
2022-12-23 08:48:58
每日热闻!中京电子(002579)12月22日主力资金净买入1.65亿元
截至2022年12月22日收盘,中京电子(002579)报收于12 89元,上涨6 44%,换手率30 34%,成交量179 47万手,成交额22 43亿元。1
-
2022-12-22 19:26:31
逸豪新材: 第二届董事会第十一次会议决议公告
逸豪新材:第二届董事会第十一次会议决议公告
-
2022-12-22 14:01:49
金蝶国际(00268.HK)盘中涨超8%,截至发稿,涨6.45%,报16.18港元,成交额2.29亿港元
金蝶国际(00268 HK)盘中涨超8%,截至发稿,涨6 45%,报16 18港元,成交额2 29亿港元。
-
2022-12-22 07:49:06
明微电子(688699)12月21日主力资金净卖出716.01万元
截至2022年12月21日收盘,明微电子(688699)报收于49 88元,下跌2 71%,换手率2 76%,成交量1 44万手,成交额7255 92万元。12
-
2022-12-21 17:49:00
西青区债务纠纷起诉律师收多少钱
(一)不涉及财产关系的:2000元-30000元 件。上下浮动幅度:20%但收费额不足2000元的按2000元收取。(二)涉及财产关系的,按争议标的额的以下费
-
2022-12-21 11:55:37
*ST皇台:公司12月份发货正常 滚动
*ST皇台(000995)12月21日在投资者关系平台上答复了投资者关心的问题。
-
2022-12-21 05:24:03
公司网贷安逸花逾期2年怎么办?
网贷逾期一般会上征信,有些借贷机构在用户逾期后一天后就会上报给征信机构,而有些借贷机构则是会在几天后上报给征信机构,因为有些借贷机构可
-
2022-12-20 17:10:15
最新:睿能科技: 睿能科技职工代表大会决议公告
证券代码:603933 证券简称:睿能科技 公告编号:2022-071 福建睿能科技股份有限公司
-
2022-12-20 11:15:34
华测导航(300627)12月19日主力资金净买入182.15万元
截至2022年12月19日收盘,华测导航报收于30 03元,上涨1 49%,换手率0 88%,成交量3 72万手,成交额1 11亿元。12月19日的资金流向数据方面,主
-
2022-12-20 00:02:42
融e贷逾期50年征信会怎么样
网贷逾期一般会上征信,有些借贷机构在用户逾期后一天后就会上报给征信机构,而有些借贷机构则是会在几天后上报给征信机构,因为有些借贷机构可
-
2022-12-19 16:20:32
天天滚动:12月19日东方盛虹发生1笔大宗交易 成交金额2.65亿元
12月19日东方盛虹发生大宗交易,交易数据如下:大宗交易成交价格13元,相对当日收盘价折价7 54%,成交2037 1万股,成交金额26482 3万元,买方营业
-
2022-12-19 10:38:35
工信部2021年中国医药工业百强榜单发布,倍特药业连续9年上榜,加速创新转化排名显著上升
(2022年12月19日,成都)12月17日至12月20日,由中国医药工业信息中心主办的2022年(第39届)全国医药工业信息年会在上海举行。大会期间,主办方
-
2022-12-19 01:06:01
周口市市场监督管理局川汇分局:传承端午习俗 弘扬传统文化 观速讯
在端午节来临之际,为弘扬传统文化,增强爱国情怀,丰富干部职工的精神文化生活,5月31日下午,周口市市场监管局川汇分局举行“我们的节日...
-
2022-12-18 13:22:57
安逸花网贷逾期7年不还会上征信吗
网贷逾期一般会上征信,有些借贷机构在用户逾期后一天后就会上报给征信机构,而有些借贷机构则是会在几天后上报给征信机构,因为有些借贷机构可
-
2022-12-17 15:36:45
浙江:确保全省防疫物资不低于3个月用量
(钱晨菲朱晖洪)15日,浙江省召开疫情防控工作新闻发布会,记者从会上获悉,该省正加快医疗物资储备,确保全省医疗物资和防疫物资不低于3个月用
-
2022-12-17 01:20:01
12月16日基金净值:富国互联科技股票A最新净值2.2818,跌2.55%
12月16日,富国互联科技股票A最新单位净值为2 2818元,累计净值为2 2818元,较前一交易日下跌2 55%。历史数据显示该基金近1个月下跌7 74%,近3
-
2022-12-16 16:30:03
瑞松科技(688090.SH)主要股东厦门恒兴拟协议转让5%股份_环球最新
智通财经APP讯,瑞松科技(688090 SH)发布公告,公司持股5%以上股东厦门恒兴集团有限公司(“厦门恒兴”)与自然人赵伟先生签署了《股份转让协议
-
2022-12-16 10:20:10
全球时讯:乡村治理助力乡村振兴
据经济日报报导,走进贵阳市花溪区青岩镇龙井村,一幅美丽的乡村画卷映入眼帘。曾经的村民、现在的农家乐经营者们正在招呼着游客。 “近...
-
2022-12-15 22:33:52
瑞康医药: 瑞康医药独立董事关于拟收购股权暨关联交易事项的事前认可意见-天天播报
瑞康医药集团股份有限公司独立董事关于拟收购股权暨关联交易事项的事前认可意见 作为瑞康医药集团股份有限公司(以下简称“公司”)独立董...
-
2022-12-15 15:34:35
上海:打造具有示范引领作用的时尚消费品万亿级消费市场
培育3-5家营业收入千亿级领军企业集团,20家百亿级头部企业集团,200家十亿级重点企业,培育一批专精特新时尚企业,引进一批全球、全国头部企
-
2022-12-15 10:02:35
国家统计局:市场销售受疫情短期冲击明显 消费市场发展韧性持续显现
11月份,限额以上单位粮油食品和中西药品类商品零售额同比分别增长3 9%和8 3%,增速明显快于商品零售整体水平。11月份,限额以上单位书报杂志
-
2022-12-14 21:24:42
今头条!11月10日拓新药业现1笔折价11.84%的大宗交易 合计成交200.8万元
11月10日拓新药业发生大宗交易,交易数据如下:大宗交易成交价格80 32元,相对当日收盘价折价11 84%,成交2 5万股,成交金额200 8万元,买方营业部
-
2022-12-14 15:09:59
“一企一策” 精准服务 助力企业攀登进阶
大河网讯近日来,为深入推进“万人助万企”活动走深走实,洛阳市洛龙区明确方向路径,创新思路办法,“一企一策”制定落实攀登计划,集中优...
-
2022-12-14 08:35:34
快资讯丨联合光电:公司的光电产品广泛用于安防视频监控、新型显示、智能驾驶等领域,暂未应用于军工领域
(原标题:联合光电:公司的光电产品广泛用于安防视频监控、新型显示、智能驾驶等领域,暂未应用于军工领域)同花顺(300033)金融研究中心12
-
2022-12-13 18:00:54
光洋股份: 常州光洋轴承股份有限公司独立董事关于公司第四届董事会第二十一次会议相关事项的独立意见|环球要闻
常州光洋轴承股份有限公司独立董事 关于公司第四届董事会第二十一次会议相关事项的独立意见 常州光洋轴承股份有限公司(以下简称“公司...