Огляд конвеєрів у sklearn

Екстремальний градієнтний бустинг з XGBoost

Sergey Fogelson

Head of Data Science, TelevisaUnivision

Огляд Pipeline

Приймає список іменованих 2-кортежів (name, pipeline_step) як вхід
Кортежі можуть містити будь-який сумісний із scikit-learn оцінювач або трансформер
Pipeline має методи fit/predict
Можна використовувати як вхідний оцінювач у grid/randomized search і методах cross_val_score

Приклад конвеєра 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)

Приклад конвеєра scikit-learn

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

print("Final RMSE:", final_avg_rmse)

Final RMSE: 4.54530686529

Попередня обробка I: LabelEncoder і OneHotEncoder

LabelEncoder: Перетворює категоріальний стовпець рядків на цілі числа
OneHotEncoder: Перетворює стовпець цілих чисел на «даммі»-змінні
Не можна виконати всередині конвеєра

Попередня обробка II: DictVectorizer

Традиційно використовується в обробці тексту
Перетворює списки відображень ознак на вектори
Потрібно перетворити DataFrame на список словників
Ознайомтеся з документацією scikit-learn

Давайте побудуємо конвеєри!

Екстремальний градієнтний бустинг з XGBoost