6、机器学习在不同场景下的应用实践

机器学习在不同场景下的应用实践

1. XGBoost模型评估与结果存储

在使用XGBoost进行预测性维护时，需要对模型进行评估并存储结果。
- 评估模型 ：

dtest = xgb.DMatrix(test_df[['setting1', 'setting2', 'setting3', 
                             's1', 's2', 's3', 's4', 's5', 's6', 
                             's7', 's8', 's9', 's10', 's11', 
                             's12', 's13', 's14', 's15', 's16',
                             's17', 's18', 's19', 's20', 's21']])
ypred = bst.predict(dtest)

pre_score = precision_score(test_df["label"], ypred, 
                            average='micro')
print("xgb_pre_score:",pre_score)

• 存储结果 ：

with mlflow.start_run():
    mlflow.set_ex