Datawhale 零基础入门数据挖掘-Task4建模与调参

最新推荐文章于 2024-10-17 16:15:45 发布

clearme777

最新推荐文章于 2024-10-17 16:15:45 发布

阅读量316

点赞数

文章标签：机器学习数据挖掘

本文链接：https://blog.csdn.net/clearme777/article/details/105252408

版权

建模与调参

赛题：零基础入门数据挖掘 - 二手车交易价格预测
地址：
https://tianchi.aliyun.com/competition/entrance/231784/introduction?spm=5176.12281957.1004.1.38b02448ausjSX

基于XGBoost与LightGBM的模型融合

在kaggle比赛中，XGBoost和LightGBM是两大利器，所以我只针对这两个模型进行建模与调参

基于LightGBM的模型的调参

from sklearn.model_selection import GridSearchCV
parameters = {'objective': objective , 'num_leaves': num_leaves, 'max_depth': max_depth}
model = LGBMRegressor()
clf = GridSearchCV(model, parameters, cv=5)
clf = clf.fit(train_X, train_y)
clf.best_params_

基于XGBoost模型的调参

import xgboost as xgb
parameters = {'objective': objective , 'num_leaves': num_leaves, 'max_depth': max_depth}
model = xgbr()
clf = GridSearchCV(model, parameters, cv=5)
clf = clf.fit(train_X, train_y)
clf.best_params_