EL之GB(GBC):利用GB对二分类问题进行建模并评估

举报
一个处女座的程序猿 发表于 2021/03/26 22:45:22 2021/03/26
【摘要】 EL之GB(GBC):利用GB对二分类问题进行建模并评估   目录 输出结果 T1、纯GB算法 T2、以RF为基学习器的GB算法 设计思路 核心代码         输出结果 T1、纯GB算法 T2、以RF为基学习器的GB算法         设计思路   核心代码 # nEst = 2000# dep...

EL之GB(GBC):利用GB对二分类问题进行建模并评估

 

目录

输出结果

T1、纯GB算法

T2、以RF为基学习器的GB算法

设计思路

核心代码


 

 

 

 

输出结果

T1、纯GB算法

T2、以RF为基学习器的GB算法

 

 

 

 

设计思路

 

核心代码


  
  1. # nEst = 2000
  2. # depth = 3
  3. # learnRate = 0.007
  4. # maxFeatures = None
  5. nEst = 2000
  6. depth = 3
  7. learnRate = 0.007
  8. maxFeatures = 20
  9. rockVMinesGBMModel = ensemble.GradientBoostingClassifier(n_estimators=nEst, max_depth=depth,
  10. learning_rate=learnRate,
  11. max_features=maxFeatures)
  12. rockVMinesGBMModel.fit(xTrain, yTrain)
  13. auc = []
  14. aucBest = 0.0
  15. predictions = rockVMinesGBMModel.staged_decision_function(xTest)
  16. for p in predictions:
  17. aucCalc = roc_auc_score(yTest, p)
  18. auc.append(aucCalc)
  19. if aucCalc > aucBest:
  20. aucBest = aucCalc
  21. pBest = p

 

 

 

 

 

 

 

文章来源: yunyaniu.blog.csdn.net,作者:一个处女座的程序猿,版权归原作者所有,如需转载,请联系作者。

原文链接:yunyaniu.blog.csdn.net/article/details/86433636

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。