Przegląd potoków w sklearn

Extreme Gradient Boosting with XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Przegląd Pipeline

Przyjmuje listę nazwanych krotek (nazwa, krok_potoku)
Krotki mogą zawierać dowolny estymator lub transformator zgodny z scikit-learn
Pipeline implementuje metody fit/predict
Może być użyty jako estymator w metodach grid/randomized search i cross_val_score

Przykład potoku w scikit-learn

import pandas as pd
from sklearn.ensemble import RandomForestRegressor
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.pipeline import Pipeline
from sklearn.model_selection import cross_val_score

names = ["crime","zone","industry","charles","no","rooms",
        "age", "distance","radial","tax","pupil","aam","lower","med_price"]

data = pd.read_csv("boston_housing.csv",names=names)

X, y = data.iloc[:,:-1], data.iloc[:,-1]

rf_pipeline = Pipeline[("st_scaler", 
                StandardScaler()),
                ("rf_model",RandomForestRegressor())]

scores = cross_val_score(rf_pipeline,X,y,    
scoring="neg_mean_squared_error",cv=10)

Przykład potoku w scikit-learn

final_avg_rmse = np.mean(np.sqrt(np.abs(scores)))

print("Final RMSE:", final_avg_rmse)

Final RMSE: 4.54530686529

Preprocessing I: LabelEncoder i OneHotEncoder

LabelEncoder: konwertuje kategoryczną kolumnę tekstową na liczby całkowite
OneHotEncoder: koduje kolumnę liczb całkowitych jako zmienne binarne
Nie można ich używać bezpośrednio w potoku

Preprocessing II: DictVectorizer

Tradycyjnie stosowany w przetwarzaniu tekstu
Konwertuje listy mapowań cech na wektory
Wymaga przekształcenia DataFrame w listę słowników
Zapoznaj się z dokumentacją scikit-learn

Czas na ćwiczenia!

Extreme Gradient Boosting with XGBoost