标签:tmp lightgbm df 模型 cf range 类别 1000
类别型特征编码由于是字符串类型,所以一般需要经过编码处理转换成数值型。本文主要想说的是直接将字符串值传到lightgbm中训练。注意:xgboost模型也需要提前one-hot编码转换才能入模。
下面是代码:
a = [i for i in range(1000)]
b = ["tag","bga","efd","rfh","esg","tyh"]
c = [b[randint(0,5)] for i in range(1000)]
d = [randint(0,1) for i in range(1000)]
tmp = []
for i in range(1000):
tmp.append([a[i],c[i],d[i]])
df = pd.DataFrame(tmp,columns=["a","b","label"]) # 造数据
import lightgbm
df["b"] = df["b"].astype('category') # 必须有,不然报错
cf = lightgbm.LGBMClassifier(max_depth=3)
cf.fit(df[["a","b"]],df["label"],categorical_feature="b") # 记得加上这个参数
from sklearn.metrics import accuracy_score
print(accuracy_score(df["label"].values, cf.predict(df[["a","b"]])))
就是这么easy!
标签:tmp,lightgbm,df,模型,cf,range,类别,1000 来源: https://blog.csdn.net/NOT_GUY/article/details/112724220
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。