xgboost和lightgbm的模型建立
阿新 • • 發佈:2018-11-24
學習筆記(四)xgboost和lightgbm的模型建立
資料是金融資料,我們要做的是預測貸款使用者是否會逾期,表格中,status是標籤:0表示未逾期,1表示逾期。構建xgboost和lightgbm進行預測(在構建部分資料需要進行缺失值處理和資料型別轉換,如果不能處理,可以直接暴力刪除)
資料需求分析
- 需要直接刪除的資料
Unnamed: 0 使用者ID
trade_no:不知道是什麼
bank_card_no:卡號
id_name:名字
‘source’ 提示xs 先去掉 - 需要離散化處理的資料(此處不涉及)
- reg_preference_for_trad
- 針對日期資料的處理(轉換成年月日)(此處不涉及)
- first_transaction_time
- latest_query_time
- loans_latest_time
- 缺失值的填充
- 歸一化處理所有資料
資料處理過程
匯入包(包括下面的xgboost和lightgbm)
import numpy as np
import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import*
from xgboost import XGBClassifier
from lightgbm import LGBMClassifier
資料分析過程
datanew = pd.read_csv('F:/ziliao/data/data1.csv', encoding='gbk')
"""
1.缺失值處理
"""
datanew=pd.DataFrame(datanew.fillna(0))
# 簡單的缺失值處理
# datanew.replace(to_replace='0.', value=np.nan)
# 丟棄帶有缺失值的資料
# datanew = datanew.dropna(axis=1, how='any')
data_columns = datanew.columns
"""
1.2 對reg_preference_for_trad 的處理 【對映】
nan=0 境外=1 一線=5 二線=2 三線 =3 其他=4
"""
n = set(datanew['reg_preference_for_trad'])
dic = {}
for i, j in enumerate(n):
dic[j] = i
datanew['reg_preference_for_trad'] = datanew['reg_preference_for_trad'].map(dic)
"""
1.3 資料集的切分
"""
X_train, X_test, y_train, y_test = train_test_split(datanew[data_columns[1:90]], datanew[data_columns[44]],test_size=0.3, random_state=666)
X_train.drop(["status","trade_no","bank_card_no","id_0me","source"],axis=1,inplace=True)
X_test.drop(["status","trade_no","bank_card_no","id_0me", "source"],axis=1,inplace=True)
資料標準歸一化
標準化資料,方差為1,均值為零進行資料的歸一化
"""
1.4標準化資料,方差為1,均值為零
"""
standardScaler = StandardScaler()
X_train_fit = standardScaler.fit_transform(X_train)
X_test_fit = standardScaler.transform(X_test)
使用xgboost進行預測
安裝說明:xgboost安裝教程
參考文章:xgboost分類使用說明
分類使用的是 XGBClassifier
迴歸使用的是 XGBRegression
xgbc_model = XGBClassifier()
xgbc_model.fit(X_train_fit, y_train)
xgbc_model_predict = xgbc_model.predict(X_test_fit)
print("xgbc_model準確率:", xgbc_model.score(X_test_fit, y_test))
print("roc_auc_score準確率:", roc_auc_score(y_test, xgbc_model_predict))
print("precision_score準確率:", precision_score(y_test, xgbc_model_predict))
print("recall_score準確率:", recall_score(y_test, xgbc_model_predict))
print("f1_score準確率:",f1_score(y_test, xgbc_model_predict) )
結果如下:
使用lightgbm預測
lightgbm安裝說明:lightgbm安裝教程,經實踐發現好像lightgbm並不支援32位的python。
參考文獻:lightgbm分類使用參考1,lightgbm分類使用參考2
分類使用的是 LGBMClassifier
迴歸使用的是 LGBMRegression
lgbm_model = LGBMClassifier()
lgbm_model.fit(X_train_fit, y_train)
lgbm_model_predict = lgbm_model.predict(X_test_fit)
print(lgbm_model_predict)
print("lgbm_model準確率:", lgbm_model.score(X_test_fit, y_test))
print("roc_auc_score準確率:", roc_auc_score(y_test, lgbm_model_predict))
print("precision_score準確率:", precision_score(y_test, lgbm_model_predict))
print("recall_score準確率:", recall_score(y_test, lgbm_model_predict))
print("f1_score準確率:",f1_score(y_test, lgbm_model_predict) )
結果如下:
模型建立問題總結
- lightGBM的安裝時,由於不支援32位,一直報錯安裝不上。因此,重灌了64位版本的才安裝成功。
- 由於不瞭解模型, lightGBM剛開始使用了LGBMRegression(),結果得出的預測值是0.0-1.0的迴歸值,後使用LGBMClassifier才能得到【0,1】的預測值。故明白LGBMRegression是解決線性問題,LGBMClassifier解決的是分類問題。、
- lightGBM和xgboost不熟悉,需要好好讀讀文件。