lightgbm模型处理类别型特征

类别型特征编码由于是字符串类型，所以一般需要经过编码处理转换成数值型。本文主要想说的是直接将字符串值传到lightgbm中训练。注意：xgboost模型也需要提前one-hot编码转换才能入模。

下面是代码：

    a = [i for i in range(1000)]b = ["tag","bga","efd","rfh","esg","tyh"]c = [b[randint(0,5)] for i in range(1000)]d = [randint(0,1) for i in range(1000)]tmp = []for i in range(1000):tmp.append([a[i],c[i],d[i]])df = pd.DataFrame(tmp,columns=["a","b","label"])   # 造数据import lightgbmdf["b"] = df["b"].astype('category')   # 必须有，不然报错cf = lightgbm.LGBMClassifier(max_depth=3)cf.fit(df[["a","b"]],df["label"],categorical_feature="b")  # 记得加上这个参数from sklearn.metrics import accuracy_scoreprint(accuracy_score(df["label"].values, cf.predict(df[["a","b"]])))

就是这么easy！

lightgbm模型处理类别型特征相关推荐

【机器学习】树模型遇上类别型特征(Python)
在数据挖掘项目的数据中,数据类型可以分为两种:有序的连续数值和无序的类别型特征. 对于xgboost.GBDT等boosting树模型,基学习通常是cart回归树,而cart树的输入通常只支持连续 ...
一文了解类别型特征的编码方法
来源:Unsplash,作者:an Rizzari 2019 年第 78 篇文章,总第 102 篇文章目录: 问题描述数据准备标签编码自定义二分类 one-hot 编码总结问题描述一般特 ...
KDD 2021 | 谷歌DHE：不使用embedding table的类别型特征embedding
作者 | Chilia 哥伦比亚大学 NLP搜索推荐整理 | NewBeeNLP 类别型特征(用户ID/物品ID)的embedding在推荐系统中扮演着重要的作用,标准的方式是用一个(巨大的)emb ...
如何处理类别型特征？
目录: 问题描述数据准备标签编码自定义二分类 one-hot 编码问题描述一般特征可以分为两类特征,连续型和离散型特征,而离散型特征既有是数值型的,也有是类别型特征,也可以说是字符型,比如说 ...
CatBoost 是如何自动高级处理类别型特征的？
我们知道,CatBoost可以很好地处理类别型数据.然而,它还具有大量的训练参数,可以更好地对类别型特征进行预处理.本文中,小猴子将和大家一起学习如何使用这些参数处理类别型特征的. CatBoost是 ...
ML之FE：对pandas的dataframe中的类别型字段进行数字编码化(类别型特征数值化)并导出映射表daiding
ML之FE:对pandas的dataframe中的类别型字段进行数字编码化(类别型特征数值化)并导出映射表daiding 目录对pandas的dataframe中的类别型字段进行数字编码化(类别型特 ...
CatBoost 模型中标称型特征转换成数字型特征
接上一篇文章 CatBoost 模型中标称特征的处理 ,这篇说一下CatBoot中实现的标称特征处理方法. 可以查看官网原文 Transforming categorical features to ...
树模型对类别变量的 7 种处理方法（Python代码）
在数据挖掘项目的数据中,数据类型可以分为两种:有序的连续数值和无序的类别型特征. 对于xgboost.GBDT等boosting树模型,基学习通常是cart回归树,而cart树的输入通常只支持连续 ...
机器学习之类别性特征
类别型特征原始输入通常是字符串形式,除了决策树等少数模型能直接处理字符串形式的输入,对于逻辑回归.支持向量机等模型来说,类别型特征必须经过处理转换成数值型.Sklearn中提供了几个转换器来处理文本属 ...

lightgbm模型处理类别型特征

lightgbm模型处理类别型特征相关推荐

最新文章

热门文章