机器学习多分类问题小白入门

第一次接触lightgbm框架解决基础的多分类问题，用的是自带的鸢尾花数据集。

在JupyterLab进行python代码的编写。

关于JupyterLab第一天调试时候遇到了一些报错，比如在pip install 时要选好运行环境，我当时在main环境下加载这些包，但在python3的环境里进行运行，导致报错浪费了很多时间。如下图片

 代码实现部分：

# 加载数据
iris = datasets.load_iris()
print(iris)              // datasets自带的数据集已经把特征和数据分好了可以直接在数组里分着调用
X = iris.data          //150行4列的数组
y = iris.target        // 一个关于种类[0 1 2  2 1 2.....]的数组
iris_train = iris.data
iris_target = iris.target
labels = iris.target_names

//将数据集分割成训练集和测试级

X_train,X_test,y_train,y_test=train_test_split(iris.data,iris.target,test_size=0.2)

//在字典里对lightgbm的一些参数的设定

params = {
    'task': 'train',
    'boosting_type': 'gbdt',  # 设置提升类型
    'objective': 'multiclass',
 'metric' : {'multi_logloss'},  # 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
    'num_class': 3,

} # 目标函数a%matplotlib inline
 

//将数据集转化为lgb的dataset形式

train_data=lgb.Dataset(X_train,label=y_train)
validation_data=lgb.Dataset(X_test,label=y_test)

//对模型进行训练

clf=