KAGGLE竞赛实战2-捷信金融违约预测竞赛-part2-用lightgbm建立baseline

接着上一篇,用lightgbm建立baseline,发现模型效果得到了很大优化(模型分提升为0.73)

In[211]:

from sklearn.model_selection import cross_val_score,KFold

In[228]:

import lightgbm as lgb

In[229]:

from lightgbm import LGBMClassifier

In[232]:

from lightgbm import early_stopping

In[237]:

from sklearn.metrics import roc_auc_score

In[215]:

bad_chars=[':','""','\\','']

for feature in application_train.columns:

if any(bad_char in feature for bad_char in bad_chars):

print(f"Feature '{feature}'包含非法字符。")

In[216]:

#去掉特殊字符import pandas as pd

import re

def clean_column_names(df):

"""

清理DataFrame列名,去除特殊字符,使其符合JSON格式要求。

参数:

df (pd.DataFrame): 输入的DataFrame。

返回:

pd.DataFrame: 列名已清理的DataFrame。

"""

定义一个函数,用于替换单个列名中的特殊字符

def replace_chars(col_name):

替换掉所有非字母数字和下划线的字符

return re.sub(r'\W+', '_', col_name)

应用替换函数到所有列名

df.columns = [replace_chars(col) for col in df.columns]

return df

In[217]:

application_train=clean_column_names(application_train)

application_test=clean_column_names(application_test)

In[218]:

bad_chars=[':','""','\\','']

for feature in application_train.columns:

if any(bad_char in feature for bad_char in bad_chars):

print(f"Feature '{feature}'包含非法字符。")

In[238]:

def fit(train=application_train, valid=application_test):

"""

模型训练函数,

参数:train训练集

valid测试集

返回值:

valid_auc:验证集上AUC指标

feature_importances:特征重要性

test_results:测试集结果

"""

test = valid.copy()

x_train = train.drop(['SK_ID_CURR', 'TARGET'], axis=1)

y_train = train['TARGET']

五折交叉验证

folds = KFold(n_splits=5, shuffle=True, random_state=1412)

定义变量保存预测结果

oof_preds = np.zeros(y_train.shape[0])

test_preds = np.zeros(test.shape[0])

提取特征名

feature_names = list(x_train.columns)

空数组用于存储特征重要性值

feature_importance_values = np.zeros(len(feature_names))

实例化模型

lgb = LGBMClassifier(n_estimators=10000, early_stopping_round=200, random_state=24)

for fold_idx, (train_idx, valid_idx) in enumerate(folds.split(x_train)):

X = x_train.iloc[train_idx]

y = y_train.iloc[train_idx]

valid_X = x_train.iloc[valid_idx]

valid_y = y_train.iloc[valid_idx]

定义早停回调函数

callbacks = [early_stopping(stopping_rounds=200)]

拟合模型

lgb.fit(X, y, eval_set=[(X, y), (valid_X, valid_y)], callbacks=callbacks)

记录特征重要性

feature_importance_values += lgb.feature_importances_ / folds.n_splits

在验证集上进行预测

proba = lgb.predict_proba(valid_X, num_iteration=lgb.best_iteration_)

oof_preds[valid_idx] = proba[:, 1] # 选择正类概率

test_preds += lgb.predict_proba(test[feature_names], num_iteration=lgb.best_iteration_)[:, 1]

valid_auc = roc_auc_score(y_train, oof_preds)

feature_importances = pd.DataFrame({'feature': feature_names, 'importance': feature_importance_values})

test['TARGET'] = test_preds

return valid_auc, feature_importances, test[['SK_ID_CURR', 'TARGET']]

In[246]:

valid_auc,feature_importance,submission=fit(application_train[:50000],application_test)

#发现报错了Do not support special JSON characters in feature name,原因是有些列名里有特殊的字符,这是get_dummies时产生的

In[247]:

valid_auc #0.7421786519800682

In[248]:

#看下特征重要性

feature_importance.sort_values(by='importance',ascending=False)

In[250]:

submission.to_csv('baseline_model_lightgbm.csv',index=False)#提交后成绩0.73

In[251]:

application_train.to_csv('original_application_train.csv')#保存下结果

application_test.to_csv('original_application_test.csv')

相关推荐
@sinner2 小时前
你好,Scikit-learn:从零开始你的第一个机器学习项目
python·机器学习·scikit-learn
麦烤楽鸡翅2 小时前
简单迭代法求单根的近似值
java·c++·python·数据分析·c·数值分析
hyswl6662 小时前
2025年开发小程序公司推荐
python·小程序
Jay20021112 小时前
【机器学习】7-9 分类任务 & 逻辑回归的成本函数 & 逻辑回归的梯度下降
笔记·机器学习·分类
独行soc2 小时前
2025年渗透测试面试题总结-258(题目+回答)
网络·python·安全·web安全·渗透测试·安全狮
程序员小远3 小时前
Appium-移动端自动测试框架详解
自动化测试·软件测试·python·测试工具·职场和发展·appium·测试用例
青瓷程序设计3 小时前
花朵识别系统【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法
人工智能·python·深度学习
hyswl6663 小时前
2025年郑州开发小程序公司推荐
python·小程序
B站计算机毕业设计之家3 小时前
基于Python音乐推荐系统 数据分析可视化 协同过滤推荐算法 大数据(全套源码+文档)建议收藏✅
python·数据分析·推荐算法
用户785127814704 小时前
实战解析:淘宝/天猫商品描述API(taobao.item_get_desc)接口
python