当前位置: 首页>>代码示例>>Python>>正文


Python catboost.CatBoostRegressor方法代码示例

本文整理汇总了Python中catboost.CatBoostRegressor方法的典型用法代码示例。如果您正苦于以下问题:Python catboost.CatBoostRegressor方法的具体用法?Python catboost.CatBoostRegressor怎么用?Python catboost.CatBoostRegressor使用的例子?那么, 这里精选的方法代码示例或许可以为您提供帮助。您也可以进一步了解该方法所在catboost的用法示例。


在下文中一共展示了catboost.CatBoostRegressor方法的8个代码示例,这些例子默认根据受欢迎程度排序。您可以为喜欢或者感觉有用的代码点赞,您的评价将有助于系统推荐出更棒的Python代码示例。

示例1: _dispatch_gbdt_class

# 需要导入模块: import catboost [as 别名]
# 或者: from catboost import CatBoostRegressor [as 别名]
def _dispatch_gbdt_class(algorithm_type: str, type_of_target: str):
    is_regression = type_of_target == 'continuous'

    if algorithm_type == 'lgbm':
        requires_lightgbm()
        from lightgbm import LGBMClassifier, LGBMRegressor
        return LGBMRegressor if is_regression else LGBMClassifier
    elif algorithm_type == 'cat':
        requires_catboost()
        from catboost import CatBoostClassifier, CatBoostRegressor
        return CatBoostRegressor if is_regression else CatBoostClassifier
    else:
        requires_xgboost()
        assert algorithm_type == 'xgb'
        from xgboost import XGBClassifier, XGBRegressor
        return XGBRegressor if is_regression else XGBClassifier 
开发者ID:nyanp,项目名称:nyaggle,代码行数:18,代码来源:run.py

示例2: CatBoost_First

# 需要导入模块: import catboost [as 别名]
# 或者: from catboost import CatBoostRegressor [as 别名]
def CatBoost_First(self, data, catsign, depth=8, iterations=80000):
        model = cb.CatBoostRegressor(iterations=iterations, depth=depth, learning_rate=0.8, loss_function='RMSE')
        model.fit(data['train'][:, :-1], data['train'][:, -1], cat_features=catsign)
        # 注意存储验证数据集结果和预测数据集结果的不同
        # 训练数据集的预测结果
        xul = model.predict(data['train'][:, :-1])
        # 验证的预测结果
        yanre = model.predict(data['test'][:, :-1])
        # 预测的预测结果
        prer = model.predict(data['predict'][:, :-1])
        # 储存
        self.yanzhneg_pr.append(yanre)
        self.predi.append(prer)
        # 分别计算训练、验证、预测的误差
        # 每计算一折后,要计算训练、验证、预测数据的误差
        xx = self.RMSE(xul, data['train'][:, -1])
        yy = self.RMSE(yanre, data['test'][:, -1])
        pp = self.RMSE(prer, data['predict'][:, -1])
        # 储存误差
        self.error_dict['CatBoost'] = [xx, yy, pp]
        # 验证数据集的真实输出结果
        self.yanzhneg_real = data['test'][:, -1]

        # 预测数据集的真实输出结果
        self.preal = data['predict'][:, -1]
        return print('1层中的CatBoost运行完毕')


    # BPNN回归 
开发者ID:Anfany,项目名称:Machine-Learning-for-Beginner-by-Python3,代码行数:31,代码来源:Blending_Regression_pm25.py

示例3: CatBoost_First

# 需要导入模块: import catboost [as 别名]
# 或者: from catboost import CatBoostRegressor [as 别名]
def CatBoost_First(self, data, catsign, depth=8, iterations=80000):

        # 存储每一折中验证数据集的预测结果
        yanzhenglist = []
        # 存储每一折中验证数据集的真实结果
        yanzhenglist_real = []
        # 存储每一折中预测数据集的预测结果
        prelist = []
        # 存储训练、验证、预测数据的误差
        errorlsit = []
        # 开始每一折的训练
        for zhe in [zheshu for zheshu in data.keys() if zheshu != 'predict']:
            model = cb.CatBoostRegressor(iterations=iterations, depth=depth, learning_rate=0.8, loss_function='RMSE')

            model.fit(data[zhe]['train'][:, :-1], data[zhe]['train'][:, -1], cat_features=catsign)
            # 注意存储验证数据集结果和预测数据集结果的不同
            # 训练数据集的预测结果
            xul = model.predict(data[zhe]['train'][:, :-1])
            # 验证的预测结果
            yanre = model.predict(data[zhe]['test'][:, :-1])
            # 预测的预测结果
            prer = model.predict(data['predict'][:, :-1])
            yanzhenglist += list(yanre)
            yanzhenglist_real += list(data[zhe]['test'][:, -1])
            prelist.append(prer)
            # 每计算一折后,要计算训练、验证、预测数据的误差
            xx = self.RMSE(xul, data[zhe]['train'][:, -1])
            yy = self.RMSE(yanre, data[zhe]['test'][:, -1])
            pp = self.RMSE(prer, data['predict'][:, -1])
            errorlsit.append([xx, yy, pp])
        # 针对预测数据集的预测结果计算均值
        meanPre = np.mean(np.array(prelist), axis=0)
        # 开始结合
        self.yanzhneg_pr.append(yanzhenglist)
        self.yanzhneg_real = yanzhenglist_real
        self.predi.append(meanPre)
        self.preal = data['predict'][:, -1]
        # 储存误差
        self.error_dict['CatBoost'] = np.mean(np.array(errorlsit), axis=0)
        return print('1层中的CatBoost运行完毕') 
开发者ID:Anfany,项目名称:Machine-Learning-for-Beginner-by-Python3,代码行数:42,代码来源:Stacking_Regression_pm25.py

示例4: Train

# 需要导入模块: import catboost [as 别名]
# 或者: from catboost import CatBoostRegressor [as 别名]
def Train(data, modelcount, censhu, yanzhgdata, predata, laidex=label):
    '''
    :param data: 训练数据
    :param modelcount: 模型的个数
    :param censhu: 每个模型的树的深度
    :param yanzhgdata: 用于验证的数据
    :param predata: 预测的数据
    :param laidex: 类别型特征的数据列号索引
    :return: 当前参数下该模型的训练、验证数据的结果
    '''

    # 用于回归的模型
    model = cb.CatBoostRegressor(iterations=modelcount, depth=censhu, learning_rate=0.8, loss_function='RMSE')

    #  开始训练数据
    model.fit(data[:, :-1], data[:, -1], cat_features=laidex, eval_set=(yanzhgdata[:, :-1], yanzhgdata[:, -1]))

    # 给出训练数据的评分
    train_mse = model.score(data[:, :-1], data[:, -1])

    # 计算预测数据的评分
    add_mse = model.score(yanzhgdata[:, :-1], yanzhgdata[:, -1])

    print(train_mse, add_mse)
    return train_mse, add_mse, model.predict(predata[:, :-1])

# 按照误差值从小到大排列的数据 
开发者ID:Anfany,项目名称:Machine-Learning-for-Beginner-by-Python3,代码行数:29,代码来源:CatBoost_Regression_pm25.py

示例5: dump

# 需要导入模块: import catboost [as 别名]
# 或者: from catboost import CatBoostRegressor [as 别名]
def dump(self, model) -> ArtifactCollection:
        """
        Dumps `catboost.CatBoostClassifier` or `catboost.CatBoostRegressor` instance to :class:`.LocalFileBlob` and
        creates :class:`.ArtifactCollection` from it

        :return: context manager with :class:`~ebonite.core.objects.ArtifactCollection`
        """
        model_file = tempfile.mktemp()
        try:
            model.save_model(model_file)
            yield Blobs({self._get_model_file_name(model): LocalFileBlob(model_file)})
        finally:
            os.remove(model_file) 
开发者ID:zyfra,项目名称:ebonite,代码行数:15,代码来源:model.py

示例6: load

# 需要导入模块: import catboost [as 别名]
# 或者: from catboost import CatBoostRegressor [as 别名]
def load(self, path):
        """
        Loads `catboost.CatBoostClassifier` or `catboost.CatBoostRegressor` instance from path

        :param path: path to load from
        """
        if os.path.exists(os.path.join(path, self.classifier_file_name)):
            model_type = CatBoostClassifier
        else:
            model_type = CatBoostRegressor

        model = model_type()
        model.load_model(os.path.join(path, self._get_model_file_name(model)))
        return model 
开发者ID:zyfra,项目名称:ebonite,代码行数:16,代码来源:model.py

示例7: catboost_regressor

# 需要导入模块: import catboost [as 别名]
# 或者: from catboost import CatBoostRegressor [as 别名]
def catboost_regressor(pandas_data, catboost_params):
    return CatBoostRegressor(**catboost_params).fit(pandas_data, [1, 0]) 
开发者ID:zyfra,项目名称:ebonite,代码行数:4,代码来源:test_model.py

示例8: test_catboost_regressor

# 需要导入模块: import catboost [as 别名]
# 或者: from catboost import CatBoostRegressor [as 别名]
def test_catboost_regressor(self):
        X, y = make_regression(n_samples=100, n_features=4, random_state=0)
        catboost_model = catboost.CatBoostRegressor(task_type='CPU', loss_function='RMSE',
                                                    n_estimators=10, verbose=0)
        dump_single_regression(catboost_model)

        catboost_model.fit(X.astype(numpy.float32), y)
        catboost_onnx = convert_catboost(catboost_model, name='CatBoostRegression',
                                         doc_string='test regression')
        self.assertTrue(catboost_onnx is not None)
        dump_data_and_model(X.astype(numpy.float32), catboost_model, catboost_onnx, basename="CatBoostReg-Dec4") 
开发者ID:onnx,项目名称:onnxmltools,代码行数:13,代码来源:test_CatBoost_converter.py


注:本文中的catboost.CatBoostRegressor方法示例由纯净天空整理自Github/MSDocs等开源代码及文档管理平台,相关代码片段筛选自各路编程大神贡献的开源项目,源码版权归原作者所有,传播和使用请参考对应项目的License;未经允许,请勿转载。