山谷来客

译注：文内提供的代码和运行结果有一定差异，可以从这里下载完整代码对照参考。另外，我自己跟着教程做的时候，发现我的库无法解析字符串类型的特征，所以只用其中一部分特征做的，具体数值跟文章中不一样，反而可以帮助理解文章。所以大家其实也可以小小修改一下代码，不一定要完全跟着教程做~ ^0^ 需要提前安装好的库：numpy,matplotlib,pandas,xgboost,scikit-learn

//  XGBOOST测试 //调用形式 //  /opt/app/spark-1.6.1/bin/spark-shell --master yarn-client --conf spark.executor.extraJavaOptions='-XX:PermSize=1024M' --driver-memory 6g --num-executors 80  //(续上)  --e

文章来源：https://zhuanlan.zhihu.com/p/24236567 注：复制的文档中，图片没能复制过来，如需了解详情，请看原文。 作为forecast包与xgboost包的重度依赖者，最近看到整合两家之长的forecastxgb包甚是兴奋，便忍不住翻译forecastxgb包的一些时间序列预测例子与大家交流。 一．安装 目前forecastxgb包还在

# -*- coding: utf-8 -*- """ Created on Mon Nov 28 13:22:08 2016 @author: ym """ ## part1: 模型训练 import pandas as pd import numpy as np import os from datetime import datetime import x