XGBoost模型保存与读取（多分类问题）

最新推荐文章于 2024-09-20 20:29:44 发布

再见OrG

最新推荐文章于 2024-09-20 20:29:44 发布

阅读量4.2k

点赞数 1

分类专栏：机器学习文章标签： XGBoost

本文链接：https://blog.csdn.net/weixin_38899860/article/details/103942824

版权

机器学习专栏收录该内容

2 篇文章 0 订阅

订阅专栏

本文介绍了一种使用pickle库保存和加载XGBoost多分类模型的方法，解决了save_model与load_model函数在多分类场景下可能遇到的问题。通过示例代码展示了模型训练、保存及预测的完整流程。

摘要由CSDN通过智能技术生成

在用XGBClassifier做多分类问题模型存取时，采用save_model与load_model函数发现并不是很好用，因此通过pickle进行模型的存取工作，在此记录，以备后用。

import pickle
from xgboost import XGBClassifier

#train

model_xg = XGBClassifier(
        n_estimators=20,
        learning_rate=0.1,
        max_depth=8,
        subsample=0.8,
        early_stopping_rounds = 50,
        objective='multi:softmax',
        eval_metric = 'mlogloss')
model_xg.fit(x_train, y_train,verbose=True)

# save
pickle.dump(model_xg, open("xgb.pkl", "wb"))

# load
xgb_model_loaded = pickle.load(open("xgb.pkl", "rb"))

# test
xgb_model_loaded.predict(test)