Intégrer xgboost aux pipelines

Amorçage de gradient avancé avec XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Exemple de pipeline scikit-learn avec XGBoost

import pandas as pd
import xgboost as xgb
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]

xgb_pipeline = Pipeline[("st_scaler", StandardScaler()),
                        ("xgb_model",xgb.XGBRegressor())]
scores = cross_val_score(xgb_pipeline, X, y, 
                         scoring="neg_mean_squared_error",cv=10)

final_avg_rmse = np.mean(np.sqrt(np.abs(scores)))
print("Final XGB RMSE:", final_avg_rmse)

RMSE final : 4.02719593323

Composants supplémentaires pour les pipelines

sklearn_pandas :
- DataFrameMapper - Interopérabilité entre pandas et scikit-learn
sklearn.impute :
- SimpleImputer - Imputation native des colonnes numériques et catégorielles dans scikit-learn
sklearn.pipeline :
- FeatureUnion - combiner plusieurs pipelines de caractéristiques en un seul pipeline de caractéristiques

Passons à la pratique !

Amorçage de gradient avancé avec XGBoost