【xgboost】使用xgboost训练一个简单模型

想念@思恋

于 2024-04-19 23:00:45 发布

阅读量441

点赞数 2

CC 4.0 BY-SA版权

分类专栏：机器学习 python编程文章标签： python 机器学习

本文链接：https://blog.youkuaiyun.com/tailonh/article/details/137979833

本文介绍了如何使用Python库pandas和XGBoost对CSV文件中的数据进行预处理，包括处理双引号、转换数据类型，然后进行模型训练，使用GridSearchCV优化参数并评估性能指标如AUC和log_loss。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

使用pandas读取特征数据，并处理数据中的双引号
使用xgboost训练一版模型
xgboost==1.6.2

#!/usr/bin/env python
# -*- coding:utf-8 -*-
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
import xgboost as xgb
import logging
import csv
from xgboost import XGBClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import roc_auc_score, accuracy_score, log_loss

model_version = "v101"
root_path = "/home/.../model/xgboost_tool"

class DataProcess(object):
    def __init__(self, train_path, test_path):
        self.train_data = pd.read_csv(train_path, header=None, sep="\t", quoting=csv.QUOTE_MINIMAL, escapechar='\\')
        self.train_data.replace('""', '', inplace=</