第一句子网 - 唯美句子、句子迷、好句子大全
第一句子网 > Feature Engineering 特征工程 1. Baseline Model

Feature Engineering 特征工程 1. Baseline Model

时间:2018-11-15 06:46:52

相关推荐

Feature Engineering 特征工程 1. Baseline Model

文章目录

1. 读取数据2. 处理label3. 添加特征4. 数据集切片5. 训练6. 预测

learn from /learn/feature-engineering

下一篇:Feature Engineering 特征工程 2. Categorical Encodings

1. 读取数据

预测任务:用户是否会下载APP,当其点击广告以后

数据集:ks-projects-01.csv

读取数据,指定两个特征'deadline','launched'parse_dates解析为时间

ks = pd.read_csv('ks-projects-01.csv',parse_dates=['deadline','launched'])

预测Kickstarter项目是否会成功。state作为结果label

可以使用类别category货币currency资金目标funding goal国家country以及启动时间launched等特征

2. 处理label

准备标签列,看看有哪些值,转换成可用的数字格式

pd.unique(ks.state)

有6种数值

array(['failed', 'canceled', 'successful', 'live', 'undefined','suspended'], dtype=object)

每种多少个?按state分组,每组中ID行数有多少

ks.groupby('state')['ID'].count()

statecanceled 38779failed 197719live 2799successful 133956suspended 1846undefined 3562Name: ID, dtype: int64

简单处理下标签列,正在进行的项目live丢弃,successful的标记为1,其余的为0

ks = ks.query('state != "live"') # live行不要ks = ks.assign(outcome=(ks['state']=='successful').astype(int))# label 转成1,0,int型

3. 添加特征

launched时间拆分成,年月日小时,作为新的特征

ks = ks.assign(hour=ks.launched.dt.hour,day=ks.launched.dt.day,month=ks.launched.dt.month,year=ks.launched.dt.year)ks.head()

转换文字特征category, currency, country为数字

from sklearn.preprocessing import LabelEncodercat_features = ['category','currency','country']encoder = LabelEncoder()encoded = ks[cat_features].apply(encoder.fit_transform)encoded.head(10)

将选择使用的特征合并在一个数据里

X = ks[['goal', 'hour', 'day', 'month', 'year', 'outcome']].join(encoded)X.head()

4. 数据集切片

数据切片,按比例分成训练集、验证集、测试集(0.8,0.1,0.1)更高级的简单做法sklearn.model_selection.StratifiedShuffleSplit

valid_ratio = 0.1valid_size = int(len(X)*valid_ratio)train = X[ : -2*valid_size]valid = X[-2*valid_size : -valid_size]test = X[-valid_size : ]

需要关注下,label 在每个数据集中的占比是否接近

for each in [train, valid, test]:print("Outcome fraction = {:.4f}".format(each.outcome.mean()))

Outcome fraction = 0.3570Outcome fraction = 0.3539Outcome fraction = 0.3542

5. 训练

使用LightGBM模型进行训练

机器学习算法之LightGBM

feature_cols = train.columns.drop('outcome')dtrain = lgb.Dataset(train[feature_cols], label=train['outcome'])dvalid = lgb.Dataset(valid[feature_cols], label=valid['outcome'])param = {'num_leaves': 64, 'objective': 'binary'}param['metric'] = 'auc'num_round = 1000bst = lgb.train(param, dtrain, num_round, valid_sets=[dvalid],early_stopping_rounds=10, verbose_eval=False)

6. 预测

对测试集进行预测

from sklearn import metricsypred = bst.predict(test[feature_cols])score = metrics.roc_auc_score(test['outcome'], ypred)print(f"Test AUC score: {score}")

下一篇:Feature Engineering 特征工程 2. Categorical Encodings

本内容不代表本网观点和政治立场,如有侵犯你的权益请联系我们处理。
网友评论
网友评论仅供其表达个人看法,并不表明网站立场。