sklearn中提取模型的权重和分割测试集与训练集

1、获得权重
1)查看模型训练数据集的特征权重,利于分析模型对特征的偏好、调整模型参数、分析数据很重要。
2)例子如下:
import xgboost as xgb
def load_model(X_train, X_test, y_train, y_test):
    params = {
        'booster': 'gbtree',
        'objective': 'multi:softmax',
        'gamma': 0.1,
        'max_depth': 8,
        'lambda': 2,
        'subsample': 0.7,
        'colsample_bytree': 0.7,
        'min_child_weight': 3,
        'silent': 1,
        'eta': 0.1,
        'seed': 123,
        'nthread': 4,
    }
    xgb_train = xgb.DMatrix(X_train, y_train)
    xgb_parms = params.items()
    xgb_num_items = 100
    model = xgb.train(xgb_parms, xgb_train, xgb_num_items)
    # 权重值,可以选择不同的参数
    # importance_weight = model.get_score(mportance_type='weight')
    # 度量方式:信息增益
    # importance_weight = model.get_score(mportance_type='gain')
    importance_weight = model.get_score()
    print(importance_weight)


2、sklearn中随机产生测试集和训练集
1)train_test_split中的参数描述
data:没有标签的数据集,输入的可以是list,numpy arrays,cipy-sparse 矩阵或者pandas中的DataFrame对象
label:数据集标签,输入的可以是list,numpy arrays,cipy-sparse 矩阵或者pandas中的DataFrame对象
train_size:训练集占的百分比,数值只能是0.0-0.1
test_size:测试集占的百分比,数值只能是0.0-0.1
random_state:随机状态,即一个随机数

2)例子如下:
#导入包
from sklearn.model_selection import train_test_split
#分离测试集和训练集
X_train, X_test, y_train, y_test = train_test_split(data, label, test_size = 0.2, random_state=123)

  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值