xgboost算法的学习小案例

最新推荐文章于 2025-11-05 17:37:25 发布

原创

最新推荐文章于 2025-11-05 17:37:25 发布 · 2.4k 阅读

4 ·

CC 4.0 BY-SA版权

博客介绍了如何解决XGBoost训练集与测试集特征维度不匹配的问题，通过详细解释`feature_names mismatch`错误并提供Python和Pandas中数据类型的转化方法，包括将预测结果转换为DataFrame，修改列名以确保一致性。

# xgboost
#预测集直接从pandas转入就行
data_predict2 = data_predict.ix[:, 2:]
#训练集的特征与对应的标签
dtrain = xgb.DMatrix(data_train.ix[:, :-1], label=data_train.ix[:, -1], missing=np.nan)
#训练的时候看的观测值，跟训练集是一样的
dwatch = xgb.DMatrix(data_watch.ix[:, :-1], label=data_watch.ix[:, -1], missing=np.nan)
#把预测的pandas转为Dmatrix
dtest = xgb.DMatrix(data_predict2, missing=np.nan)

dtrain2 = xgb.DMatrix(data_2hour_stack, label=data_2hour_label_stack, missing = np.nan)
dtest2 = xgb.DMatrix(data_2hour_test_stack, missing = np.nan)
#对应的参数调整
param = {