Рамка даних Pandas до DMatrix

Я намагаюся запустити xgboost в scikit learn. І я використовую лише Pandas для завантаження даних у рамки даних. Як я повинен використовувати pandas df з xgboost. Мене бентежить рутина DMatrix, необхідна для запуску xgboost algo.

Ви можете використовувати .valuesметод фрейму даних для доступу до необроблених даних, як тільки ви маніпулюєте стовпцями, як вони вам потрібні.

Напр

train = pd.read_csv("train.csv")
target = train['target']
train = train.drop(['ID','target'],axis=1)
test = pd.read_csv("test.csv")
test = test.drop(['ID'],axis=1)

xgtrain = xgb.DMatrix(train.values, target.values)
xgtest = xgb.DMatrix(test.values)

Очевидно, вам може знадобитися змінити, які стовпці ви кинете або використовувати як навчальну ціль. Вищевказане було для змагань Kaggle, тому цільових даних для цього не було xgtest(його організатори стримують).

Є хороша новина, є бібліотека, pandas_mlяка підтримує XGBoost, ймовірно, це спростить робочий процес просто.

http://pandas-ml.readthedocs.io/en/latest/xgboost.html

Тепер ви можете використовувати Pandas DataFrames безпосередньо з XGBoost. Однозначно працює з xgboost 0.81.

Наприклад, де X_train, X_val, y_train і y_val є DataFrames:

import xgboost as xgb

mod = xgb.XGBRegressor(
    gamma=1,                 
    learning_rate=0.01,
    max_depth=3,
    n_estimators=10000,                                                                    
    subsample=0.8,
    random_state=34
) 

mod.fit(X_train, y_train)
predictions = mod.predict(X_val)
rmse = sqrt(mean_squared_error(y_val, predictions))
print("score: {0:,.0f}".format(rmse))