lgb(lightgbm)处理类别特征遇到的问题（泰坦尼克）：

1.lgb(lightgbm)处理类别特征遇到的问题：

ValueError: DataFrame.dtypes for data must be int, float or bool. Did
not expect the data types in the following fields: Sex, Embarked

加上这些代码，完美解决，记得点赞

from sklearn import preprocessing
encoder = preprocessing.LabelEncoder()
encoder.fit(list(X["Sex"].values))
X["Sex"]=encoder.transform(list(X["Sex"].values))
encoder.fit(list(X["Embarked"].values))
X["Embarked"]=encoder.transform(list(X["Embarked"].values))

2.注意函数预测时得到的不是0和1，需要自己划分区间。‘

y_gbm_pred[y_gbm_pred > .5] = 1
y_gbm_pred[y_gbm_pred <=.5] = 0

3，注意提取（pd.read_csv）时，会把所有列都提取，所以需要提取特定列。

这3个小问题卡的我这个新手一愣一愣的。

lgb(lightgbm)处理类别特征遇到的问题（泰坦尼克）：相关推荐

lightgbm处理类别特征
lightGBM的categorical_feature(类别特征)使用 http://www.luyixian.cn/news_show_253681.aspx lightGBM比XGBoost的1 ...
Lightgbm如何处理类别特征？
本篇文章主要参考柯国霖大神在知乎上的回答,以及自己阅读LGBM的部分源码整理而来. 1.one-hot编码弊端 one-hot编码是处理类别特征的一个通用方法,然而在树模型中,这可能并不一定是一个好的 ...
利用神经网络的embedding层处理类别特征
类别特征在现实里十分常见,处理的方法也很多,最常见的思路是转为one-hot编码,当然这种处理方式比较粗暴,在许多算法里效果也不是很好.还有的处理方式寻找类别特征的最优切分,这个需要特定工具的支持,如 ...
AI基础：特征工程-类别特征
0.导语特征工程到底是什么呢?顾名思义,其本质是一项工程活动,目的是最大限度地从原始数据中提取特征以供算法和模型使用. 此之前,我已经写了以下几篇AI基础的快速入门,本篇文章讲解特征工程基础第一部分 ...
[深度学习]CTR模型如何加入稠密连续型|多值类别特征
一稠密连续类型特征的处理在点击率预估问题中,可以尝试的几种方法 1.归一化后直接拼接到embedding向量侧dnn部分,不参与fm部分交叉归一化的方式可以包括:直接对原始特征做归一化:通过bn ...
多值类别特征加入CTR预估模型的方法
[摘要] 本文用图示的方法梳理和介绍了多值类别特征加入到CTR预估模型的一般方法,通俗易懂. 我们都知道一般单值类别特征加入到CTR预估模型的方法是先对单值类别特征进行one-hot,然后和embed ...
KDD2021 | 推荐系统中利用深度哈希方法学习类别特征表示
本文分享一篇谷歌团队发表在KDD'21的推荐系统文章:不使用嵌入表的方式获得类别特征的表征用于推荐系统[1]. 本文结构组织如下: 背景已有的类别特征嵌入方法 One-hot Full Embedd ...
机器学习基础（三十七） —— 处理类别特征
当类别特征仍保持原始形式时,其取值来自所有可能取值构成的集合而不是一个数字,故不能作为输入. 当各个取值之间是没有顺序关系的并列关系,这样的类别特征称为名义(nominal)变量.相反,那些存在顺序 ...
05如何处理类别特征？
Categorical Variables: Counting Eggs in theAge of Robotic Chickens 定义: 类别变量:顾名思义代表类别或标签. 比如: 世界上的主要城 ...

lgb(lightgbm)处理类别特征遇到的问题（泰坦尼克）：

lgb(lightgbm)处理类别特征遇到的问题（泰坦尼克）：相关推荐

最新文章

热门文章