四大金刚
任务1.2 随机森林、XGB、GBDT、LightGBM 四大金刚
坑大多在于安装这几个包吧，这里就不详细概述了。
直接上代码，有看不懂的评论吧。
#导入包
import pandas as pd
from sklearn.model_selection import train_test_split
import xgboost as xgb
import lightgbm as lgb
from sklearn.ensemble import RandomforestClassifier
from sklearn.ensemble import GradientboostingRegressor
#日常读取数据
data=pd.read_csv('data_all.csv')
x = data.drop(['status'], axis=1)
y = data['status']
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=2018)
#数据标准化
from sklearn import preprocessing
x_scaled = preprocessing.scale(x_train)
x_scaled_test = preprocessing.scale(x_test)
#使用模型
gbdt=GradientBoostingRegressor()
rfc=RandomForestClassifier()
gbm=lgb.LGBMRegressor()
xgb1=xgb.XGBClassifier()
#跑~
xgb1.fit(x_scaled, y_train)
gbdt.fit(x_scaled, y_train)
rfc.fit(x_scaled, y_train)
gbm.fit(x_scaled, y_train)
#成型
y_pre1=xgb1.predict(x_scaled_test)
y_pre2=gbdt.predict(x_scaled_test)
y_pre3=rfc.predict(x_scaled_test)
y_pre4=gbm.predict(x_scaled_test)
pre1 = [round(value) for value in y_pre1]
pre2 = [round(value) for value in y_pre2]
pre3 = [round(value) for value in y_pre3]
pre4 = [round(value) for value in y_pre4]
#导入F1得分
from sklearn.metrics import f1_score
#最后打印出分数
s1=f1_score(y_test,pre1)
s2=f1_score(y_test,pre2)
s3=f1_score(y_test,pre3)
s4=f1_score(y_test,pre4)
print(s1,s2,s3,s4)
相关阅读
这两天，互联网金融界的一大焦点就是对第三方支付及余额宝等互联网金融产品的监管问题。马云在来往扎堆里将吐槽四大行的话发了又删
小米盒子的质量是有口皆碑的，迅速成长为国内销量仅次于天猫魔盒的大牌子，小编也用过多款小米盒子，为了帮助2017年的新用户，今天给大家
小红书的发展势头之迅猛,导致大量品牌涌入做小红书推广,社区每天产生数十亿次的笔记曝光,其中不乏含大量小红书推广的曝光,小红书
同样是发朋友圈、公众号、为什么有的企业一个月就店铺做的也有声有色、粉丝大涨?但有的却不增反掉?增粉难题一直困扰很多企业。在
小红书拥有阅读量超百亿的垂直兴趣领域，与超过500部合作热剧/综艺、多领域超级IP的深度合作，满足不同圈层的兴趣需求。作为优质原生