xgboost
# 从sklearn调入所需要的包
from sklearn import datasets
from sklearn.model_selection import train_test_split
import xgboost as xgb
import numpy as np
import pandas as pd
# 导入精准率和召回率
from sklearn.metrics import precision_score,recall_score
导入鸢尾花数据
iris = datasets.load_iris()
data = iris.data
label = iris.target
数据展示
print(pd.DataFrame(data).head())
0 1 2 3
0 5.1 3.5 1.4 0.2
1 4.9 3.0 1.4 0.2
2 4.7 3.2 1.3 0.2
3 4.6 3.1 1.5 0.2
4 5.0 3.6 1.4 0.2
print(pd.DataFrame(label).head())
0
0 0
1 0
2 0
3 0
4 0
pandas格式
data1 = pd.DataFrame(data)
data1.columns = ['sepal_l','sepal_w','petal_l','petal_w']
print(data1.head())
结果：
sepal_l sepal_w petal_l petal_w
0 5.1 3.5 1.4 0.2
1 4.9 3.0 1.4 0.2
2 4.7 3.2 1.3 0.2
3 4.6 3.1 1.5 0.2
4 5.0 3.6 1.4 0.2
pandas格式
label1 = pd.DataFrame(label)
label1.columns = ['label']
print(label1.head())
结果：
label
0 0
1 0
2 0
3 0
4 0
划分训练集和测试集
train_x,test_x,train_y,test_y = train_test_split(data1.values,label1.values,test_size=0.3,random_state = 42)
print("训练集长度：",len(train_x))
print("测试集长度：",len(test_x))
结果：
训练集长度： 105
测试集长度： 45
原生态xgboost的使用方式
# 转换为DMatrix数据格式
test_data = xgb.DMatrix(test_x,label = test_y)
# 设置参数
# multi:softmax是使用softmax后产生的分类结果，而multi:softprob是输出的概率矩阵
xgb_params = {
'eta':0.3, # 学习率
'silent':True, # 输出运行信息
'objective':'multi:softprob', # 使用多分类生成概率矩阵
'num_class':3, #类别
'max_depth':3 #深度
}
# 步数
num_round = 20
# 模型训练
model = xgb.train(xgb_params,xgb.DMatrix(train_x,label=train_y),num_round)
# 模型预测
test_pre = model.predict(test_data)
print(test_pre[:5])
# 选择表示最高概率的列
test_pre_1 = np.asarray([np.argmax(row) for row in test_pre])
print("test的预测结果：",test_pre_1)
# 模型评估
print("验证集精准率：",precision_score(test_y,test_pre_1,average='macro'))
print("验证集召回率：",recall_score(test_y,test_pre_1,average='macro'))
结果：
[[0.00650662 0.96226966 0.03122366]
[0.9706414 0.02533223 0.00402638]
[0.0033913 0.00692109 0.9896876 ]
[0.00654367 0.967749 0.0257073 ]
[0.00615655 0.91049767 0.08334578]]
test的预测结果： [1 0 2 1 1 0 1 2 1 1 2 0 0 0 0 1 2 1 1 2 0 2 0 2 2 2 2 2 0 0 0 0 1 0 0 2 1
0 0 0 2 1 1 0 0]
验证集精准率： 1.0
验证集召回率： 1.0
sklearn接口形式
from xgboost import XGBClassifier
model = XGBClassifier(
learning_rate=0.01, # 学习率
n_estimators=3000, # 步长
max_depth=4, # 深度
objective='binary:logistic',
seed=27
)
model.fit(train_x,train_y)
# 预测
# 输出预测结果
test_pre_2 = model.predict(test_x)
print(test_pre_2)
# 模型评估
print("验证集精准率：",precision_score(test_y,test_pre_2,average='macro'))
print("验证集召回率：",recall_score(test_y,test_pre_2,average='macro'))
结果：
[1 0 2 1 1 0 1 2 1 1 2 0 0 0 0 1 2 1 1 2 0 2 0 2 2 2 2 2 0 0 0 0 1 0 0 2 1
0 0 0 2 1 1 0 0]
验证集精准率： 1.0
验证集召回率： 1.0
lightgbm
原生态lightgbm
# 转换为DMatrix数据格式
train_data = lgb.Dataset(train_x,train_y)
test_data = lgb.Dataset(test_x,test_y)
# 设置参数
lgb_params = {
'boosting_type': 'gbdt',
'objective': 'multiclass',
'metric': 'multi_error',
'verbose': 1 , # <0 显示致命的, =0 显示错误 (警告), >0 显示信息
'num_class':3 #lightgbm.basic.LightGBMError: b'Number of classes should be specified and greater than 1 for multiclass training'
}
# 模型训练
clf = lgb.train(lgb_params,train_data,num_boost_round =10,
valid_sets = [train_data,test_data],
verbose_eval = 10)
# 模型预测
test_pre = clf.predict(test_x, num_iteration=clf.best_iteration)
# print(test_pre)
print(test_pre[:5])
# 选择表示最高概率的列
test_pre_1 = np.asarray([np.argmax(row) for row in test_pre])
print("test的预测结果:",test_pre_1)
# 模型评估
print('验证集精准率：',precision_score(test_y, test_pre_1, average='macro'))
print('验证集召回率：',recall_score(test_y, test_pre_1, average='macro'))
结果：
[10] training's multi_error: 0.0666667 valid_1's multi_error: 0
[[0.13683286 0.63500393 0.22816321]
[0.69436834 0.15467706 0.15095461]
[0.12934308 0.16125127 0.70940565]
[0.14172417 0.62195656 0.23631927]
[0.13683286 0.63500393 0.22816321]]
test的预测结果: [1 0 2 1 1 0 1 2 1 1 2 0 0 0 0 1 2 1 1 2 0 2 0 2 2 2 2 2 0 0 0 0 1 0 0 2 1
0 0 0 2 1 1 0 0]
验证集精准率： 1.0
验证集召回率： 1.0
Sklearn接口形式使用lightgbm
import lightgbm as lgb
lgb_params = {
'learning_rate':0.1,
'max_bin':150,
'num_leaves':32,
'max_depth':11,
'objective':'multiclass',
'n_estimators':300
}
model=lgb.LGBMClassifier(**lgb_params)
model.fit(train_x,train_y)
# 预测
#输出预测结果
test_pre2 = model.predict(test_x)
print(test_pre2)
# 模型评估
print('验证集精准率：',precision_score(test_y, test_pre2, average='macro'))
print('验证集召回率：',recall_score(test_y, test_pre2, average='macro'))
结果：
[1 0 2 1 1 0 1 2 1 1 2 0 0 0 0 1 2 1 1 2 0 2 0 2 2 2 2 2 0 0 0 0 1 0 0 2 1
0 0 0 2 1 1 0 0]
验证集精准率： 1.0
验证集召回率： 1.0
总结：
1、lgb.train中正则化参数为"lambda_l1","lambda_l2",sklearn中则为'reg_alpha','reg_lambda'。
2、多分类时lgb.train除了'objective':'multiclass',还要指定"num_class":5,而sklearn接口只需要指定'objective':'multiclass'。
3、迭代次数在sklearn中是'n_estimators':20，在初始化模型时指定。
网友评论