1.导入机器学习常用的包
# 从sklearn 调入所需要的包
from sklearn import datasets
from sklearn.model_selection import train_test_split #数据分隔出训练集和验证集
import xgboost as xgb
import numpy as np
import pandas as pd
#导入精度和召回
from sklearn.metrics import precision_score, recall_score
对数据进行类型转换以及切分
iris = datasets.load_iris()
data = iris.data
label = iris.target
print(pd.DataFrame(data).head())
print(pd.DataFrame(label).head())
data1 = pd.DataFrame(data)
## 花萼长宽花瓣长宽
data1.columns = ['sepal_l','sepal_w','petal_l','petal_w']
print(data1.head())
label1 =pd.DataFrame(label)
label1.columns=['label']
print(label1.head())
#注意这里data label顺序是一致的，千万别打乱
# 划分训练集和测试集
train_x, test_x, train_y, test_y = train_test_split(data1.values, label1.values, test_size=0.3, random_state=42)
print("训练集长度:", len(train_x))
print("测试集长度:", len(test_x))
2.xgboost 的两种形式的使用方法
- 原生态的使用方法
# 转换为DMatrix数据格式
# dtrain = xgb.DMatrix(train_x, label=train_y)
test_data = xgb.DMatrix(test_x, label=test_y)
# 设置参数
###multi：softmax是使用softmax后产生的分类结果，而multi:softprob是输出的概率矩阵。
xgb_params = {
'eta': 0.3, #学习率
'silent': True, # 输出运行讯息
'objective': 'multi:softprob', # 使用多分类生成概率矩阵格式'multi:softmax',multi:softprob
'num_class': 3, # 共有几个类别
'max_depth': 3 # 深度
}
num_round = 20 # 跑的步数
# 模型训练
model = xgb.train(xgb_params,xgb.DMatrix(train_x, label=train_y), num_round)
# 模型预测
test_pre = model.predict(test_data)
print(test_pre[:5])
# 选择表示最高概率的列
test_pre_1 = np.asarray([np.argmax(row) for row in test_pre])
print("test的预测结果:",test_pre_1)
# 模型评估
print('验证集精准率：',precision_score(test_y, test_pre_1, average='macro'))
print('验证集召回率：',recall_score(test_y, test_pre_1, average='macro'))
这种方法需要将数据转化为DMatrix这种xgb专有的数据类型,其中的train_x等，为DataFrame的数据类型
- 简化后的调用方法
from xgboost import XGBClassifier
model = XGBClassifier(
learning_rate=0.01,#学习率
n_estimators=3000,#步长
max_depth=4,#深度
objective='binary:logistic',#此处表明是二分类
seed=27
)
model.fit(train_x,train_y)
# 预测
#输出预测结果
test_pre2 = model.predict(test_x)
print(test_pre2)
# 模型评估
print('验证集精准率：',precision_score(test_y, test_pre2, average='macro'))
print('验证集召回率：',recall_score(test_y, test_pre2, average='macro'))
3.lightgbm的两种形式的调用方法
- 原生态的调用方法
# 转换为DMatrix数据格式
train_data = lgb.Dataset(train_x,train_y)
test_data = lgb.Dataset(test_x,test_y)
# 设置参数
lgb_params = {
'boosting_type': 'gbdt',
'objective': 'multiclass',
'metric': 'multi_error',
'verbose': 1 , # <0 显示致命的, =0 显示错误 (警告), >0 显示信息
'num_class':3 #lightgbm.basic.LightGBMError: b'Number of classes should be specified and greater than 1 for multiclass training'
}
# 模型训练
clf = lgb.train(lgb_params,train_data,num_boost_round =10,
valid_sets = [train_data,test_data], #验证集
verbose_eval = 10)
# 模型预测
test_pre = clf.predict(test_x, num_iteration=clf.best_iteration)
# print(test_pre)
print(test_pre[:5])
# 选择表示最高概率的列
test_pre_1 = np.asarray([np.argmax(row) for row in test_pre])
print("test的预测结果:",test_pre_1)
# 模型评估
print('验证集精准率：',precision_score(test_y, test_pre_1, average='macro'))
print('验证集召回率：',recall_score(test_y, test_pre_1, average='macro'))
- 简化后的调用方法
import lightgbm as lgb
#from lightgbm import LGBMClassifier 再进行调用可以得到相同的效果
lgb_params = {
'learning_rate':0.1,
'max_bin':150,
'num_leaves':32,
'max_depth':11,
'objective':'multiclass',
'n_estimators':300
}
model=lgb.LGBMClassifier(**lgb_params)
model.fit(train_x,train_y)
# 预测
#输出预测结果
test_pre2 = model.predict(test_x)
print(test_pre2)
# 模型评估
print('验证集精准率：',precision_score(test_y, test_pre2, average='macro'))
print('验证集召回率：',recall_score(test_y, test_pre2, average='macro'))
总结：
- lgb.train中正则化参数为"lambda_l1", "lambda_l1"，sklearn中则为'reg_alpha', 'reg_lambda'。
- 多分类时lgb.train除了'objective':'multiclass',还要指定"num_class":5，而sklearn接口只需要指定'objective':'multiclass'。
- 迭代次数在sklearn中是'n_estimators':20，在初始化模型时指定