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)

In211:

from sklearn.model_selection import cross_val_score,KFold

In228:

import lightgbm as lgb

In229:

from lightgbm import LGBMClassifier

In232:

from lightgbm import early_stopping

In237:

from sklearn.metrics import roc_auc_score

In215:

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。")

In216:

#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

In217:

application_train=clean_column_names(application_train)

application_test=clean_column_names(application_test)

In218:

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。")

In238:

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.shape0)

test_preds = np.zeros(test.shape0)

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.iloctrain_idx

y = y_train.iloctrain_idx

valid_X = x_train.ilocvalid_idx

valid_y = y_train.ilocvalid_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_predsvalid_idx = proba:, 1 # 选择正类概率

test_preds += lgb.predict_proba(testfeature_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']

In246:

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

In247:

valid_auc #0.7421786519800682

In248:

#看下特征重要性

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

In250:

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

In251:

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
2603_965148116 小时前
家居百货蓝海:API挖掘高复购率生活小商品
大数据·服务器·人工智能·python·生活
阿童木写作9 小时前
跨境电商图片翻译工具推荐:批量图片翻译+视频字幕翻译+智能抠图
python·macos·音视频·xcode
cui_ruicheng9 小时前
LangChain 应用开发(十四):Agent 上下文与记忆机制
服务器·人工智能·python·langchain
circuitsosk10 小时前
任务规划器的三种范式对比:ReAct、Plan-and-Execute 与 Tree-of-Thought 在真实业务中的取舍
前端·javascript·python·react.js·llm·ai agent
shehuiyuelaiyuehao10 小时前
算法31,前缀和,可被k整除的子数组
数据结构·python·算法
宸津-代码粉碎机10 小时前
AI攻防战升级!基于Spring AI构建Java应用自动免疫安全体系
java·大数据·开发语言·人工智能·python·安全·spring
测试199810 小时前
如何用appium搭建Android自动化测试框架?
自动化测试·软件测试·python·测试工具·职场和发展·appium·测试用例
程序员大雄学编程11 小时前
微积分46. 无穷级数四大核心性质:从理论到实践的全方位解析
python·学习·微积分·学习工具
克里斯蒂亚诺更新11 小时前
机器学习库sklearn的主要任务
人工智能·机器学习·sklearn
数字化转型分享点滴11 小时前
## 工厂数字化管理系统的价值体现:构建制造全流程数据闭环
python