LightGBM预测饭店流量2: lightgbm建模与预测

最新推荐文章于 2024-09-22 00:57:19 发布

弎见

最新推荐文章于 2024-09-22 00:57:19 发布

阅读量1.3k

点赞数

分类专栏：机器学习进阶文章标签：机器学习 python

本文链接：https://blog.csdn.net/sanjianjixiang/article/details/103658573

版权

本文介绍了使用LightGBM进行饭店流量预测的建模过程，通过K Fold交叉验证方法，得到平均RMSLE为0.73270，详细展示了每个fold的误差，并提供了进一步学习LightGBM的资源。

摘要由CSDN通过智能技术生成

接上一篇:
<LightGBM预测饭店流量1: 数据处理>

LIghtGBM建模

model_selection.KFold()
K折交叉验证, 将训练/测试数据集划分n_splits个互斥子集，每次用其中一个子集当作验证集，剩下的n_splits-1个作为训练集，进行n_splits次训练和测试，得到n_splits个结果

import numpy as np
import pandas as pd
import lightgbm as lgbm
from sklearn import metrics
from sklearn import model_selection

np.random.seed(42)

model = lgbm.LGBMRegressor(objective='regression', max_depth=5, num_leaves=25, learning_rate=0.007,
						  n_estimators=1000, min_child_samples=80, subsample=0.8, colsample_bytree=1,
						  reg_alpha=0, reg_lambda<