清华镜像源安装 NGboost XGboost Catboost

最新推荐文章于 2025-02-21 14:38:59 发布

咦，笔记存档

最新推荐文章于 2025-02-21 14:38:59 发布

阅读量3.8k

点赞数 2

分类专栏： pip安装数据分析基础文章标签： pip

本文链接：https://blog.csdn.net/weixin_41882890/article/details/104356488

版权

清华镜像源安装 NGboost XGboost Catboost

pip install catboost -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install ngboost -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install xgboost -i https://pypi.tuna.tsinghua.edu.cn/simple

数据比赛常用预测模型：LGB、XGB与ANN

LGB

lightgbm：由于现在的比赛数据越来越大，想要获得一个比较高的预测精度，同时又要减少内存占用以及提升训练速度，lightgbm是一个非常不错的选择，其可达到与xgboost相似的预测效果。

def LGB_predict(train_x,train_y,test_x,res,index):
    print("LGB test")
    clf = lgb.LGBMClassifier(
        boosting_type='gbdt', num_leaves=31, reg_alpha=0.0, reg_lambda=1,
        max_depth=-1, n_estimators=5000, objective='binary',
        subsample=0.7, colsample_bytree=0.7, subsample_freq=1,
        learning_rate=0.05, min_child_weight=50, random_state=2018, n_jobs=-1
    )
    clf.fit(train_x, train_y, eval_set=[(train_x, train_y)], eval_metric='auc',early_stopping_rounds=100)
    res['score'+str(index)] = clf.predict_proba(test_x)[:,1]
    res['score'+str(index)] = res['score'+str(index)].apply(lambda x: float('%.6f' % x))
    print(str(index)+' predict finish!')
    gc.collect()
    res=res.reset_index(drop=True)
    return res['score'+str(index)

最低0.47元/天解锁文章