GBDT+LR
来源:互联网 发布:社交软件开发 编辑:程序博客网 时间:2024/05/18 00:26
# 弱分类器的数目n_estimator = 10# 随机生成分类数据。X, y = make_classification(n_samples=80000) # 切分为测试集和训练集,比例0.5X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.5)# 将训练集切分为两部分,一部分用于训练GBDT模型,另一部分输入到训练好的GBDT模型生成GBDT特征,然后作为LR的特征。这样分成两部分是为了防止过拟合。X_train, X_train_lr, y_train, y_train_lr = train_test_split(X_train, y_train, test_size=0.5)# 调用GBDT分类模型。grd = GradientBoostingClassifier(n_estimators=n_estimator)# 调用one-hot编码。grd_enc = OneHotEncoder()# 调用LR分类模型。grd_lm = LogisticRegression()'''使用X_train训练GBDT模型,后面用此模型构造特征'''grd.fit(X_train, y_train)# fit one-hot编码器grd_enc.fit(grd.apply(X_train)[:, :, 0])''' 使用训练好的GBDT模型构建特征,然后将特征经过one-hot编码作为新的特征输入到LR模型训练。'''grd_lm.fit(grd_enc.transform(grd.apply(X_train_lr)[:, :, 0]), y_train_lr)# 用训练好的LR模型多X_test做预测y_pred_grd_lm = grd_lm.predict_proba(grd_enc.transform(grd.apply(X_test)[:, :, 0]))[:, 1]# 根据预测结果输出fpr_grd_lm, tpr_grd_lm, _ = roc_curve(y_test, y_pred_grd_lm)
阅读全文
0 0
- GBDT+LR
- GBDT+LR
- GBDT参考 (GBDT+LR)
- GBDT + LR模型融合
- 学习GBDT+LR
- 2017.02.20回顾 gbdt+lr
- 【实践】CTR中xgboost/gbdt +lr
- GBDT+LR特征融合的例子
- 使用GBDT+LR作点击率预测
- CTR预估中GBDT与LR融合方案
- CTR预估中GBDT与LR融合方案
- CTR预估中GBDT与LR融合方案
- CTR预估中GBDT与LR融合方案
- CTR预估中GBDT与LR融合方案
- CTR预估中GBDT与LR融合方案
- 通过GBDT组合的特征作为LR的输入
- 【总结】CTR预估中GBDT与LR融合方案
- CTR预估中GBDT与LR融合方案
- Javascript中获取时间new Date()详细介绍
- Java并发之线程管理
- Java 上传文件到ftp服务器
- python unicode 及解码编码方式简介
- EventBus使用
- GBDT+LR
- java并发编程实战-章一
- Jquery uploadify 上传文件 springmvc 接收处理
- 前端学习记录(2)【身份证、左侧导航、模糊搜索】
- [HBase配置参数解析]hbase.regionserver.handler.count
- Kaggle (Bike Sharing Demand)top20%
- Deeplab V1 和 V2讲解
- 国家气象局免费接口
- android的KeyCode