达观杯linghtgbm

最新推荐文章于 2023-06-10 18:35:41 发布

原创最新推荐文章于 2023-06-10 18:35:41 发布 · 203 阅读

0 ·

本内容遵循CC 4.0 BY-SA版权协议

Competition 专栏收录该内容

6 篇文章

订阅专栏

本文介绍使用LightGBM训练一个多类分类器的过程，详细配置了模型参数，并对测试集进行了预测，最后将结果保存至本地。文章还提供了模型评估指标的计算方法。

开发板推荐：天空星STM32F407VET6开发板

超高性价比 STM32主控 | 超高主频 | 一板兼容百芯 | 比赛神器 | 沉金彩色丝印

点击查看

import lightgbm as LGB
 
"""
训练LGB分类器
"""
print("训练LGB分类器")
params = {
    'boosting': 'gbdt',
    'application': 'multiclassova',
    'num_class': 19,
    'learning_rate': 0.1,
    'num_leaves': 31,
    'max_depth': -1,
    'lambda_l1': 0,
    'lambda_l2': 0.5,
    'bagging_fraction': 1.0,
 
}
 
bst = LGB.train(params, d_train, num_boost_round=800, valid_sets=d_vali, feval=f1_score_vali,
                early_stopping_rounds=None,
                verbose_eval=True)
 
joblib.dump(bst, model_path + "LGB_data_w_tfidf.m")
 
"""
对测试集进行预测;将预测结果转换为官方标准格式；并将结果保存至本地
"""
print("对测试集进行预测;将预测结果转换为官方标准格式；并将结果保存至本地")
y_proba = bst.predict(x_test)
y_test = np.argmax(y_proba, axis=1) + 1
 
df_result = pd.DataFrame(data={'id': range(102277), 'class': y_test.tolist()})
df_proba = pd.DataFrame(data={'id': range(102277), 'proba': y_proba.tolist()})
 
df_result.to_csv(result_path  + 'LGB_data_w_tfidf_result.csv', index=False)
df_proba.to_csv(result_path + 'LGB_data_w_tfidf_proba.csv', index=False)