列名- xgboost对新数据进行预测
xgboost是一种基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习算法，被广泛应用于数据挖掘和预测分析领域。它通过迭代训练多个决策树模型，并将它们组合成一个强大的集成模型，用于解决分类和回归问题。
在xgboost中，对新数据进行预测的过程如下：
- 数据准备：首先，需要将待预测的新数据进行特征工程处理，确保其与训练数据具有相同的特征表示方式。这包括数据清洗、特征选择、特征缩放等步骤。
- 加载模型：使用xgboost的API加载训练好的模型文件，该模型文件包含了训练过程中学习到的决策树模型的参数和结构。
- 特征转换：将待预测的新数据转换为xgboost模型所需的特征表示方式。这通常涉及到对特征进行编码、缺失值处理等操作，以确保数据的格式与训练数据一致。
- 预测过程：使用加载的xgboost模型对新数据进行预测。对于分类问题，xgboost会返回每个类别的概率或类别标签；对于回归问题，xgboost会返回预测的数值。
xgboost在各个领域都有广泛的应用场景，包括但不限于金融风控、广告推荐、医疗诊断、自然语言处理等。它的优势在于：
- 高性能：xgboost采用了多线程并行计算和优化的算法实现，能够处理大规模数据集和高维特征，具有较高的训练和预测速度。
- 鲁棒性：xgboost通过正则化、剪枝等技术，能够有效地防止过拟合问题，并具有较好的泛化能力。
- 可解释性：xgboost能够输出特征的重要性排序，帮助用户理解模型的决策过程和影响因素。
腾讯云提供了一系列与xgboost相关的产品和服务，包括：
- 机器学习平台（https://cloud.tencent.com/product/tiia）：提供了基于xgboost的机器学习模型训练和预测服务，支持快速构建和部署模型。
- 弹性MapReduce（https://cloud.tencent.com/product/emr）：提供了分布式计算和数据处理的服务，可用于大规模数据集的特征工程和模型训练。
- 数据仓库（https://cloud.tencent.com/product/dw）：提供了存储和管理大规模数据的服务，可用于存储训练数据和预测结果。
以上是关于xgboost对新数据进行预测的完善且全面的答案。
相关·内容
1回答
我是机器学习的新手，我正在使用xgboost中的caret包对我的数据运行分类算法( R )。
然而，为了机器学习的目的，我对将某些范畴变量转换为数值变量感到困惑。我已经浏览了网络，但我找不到一个具体的规则，如果它存在，在这个问题上。
下面的url ()中的xgboost vignette提到"Xgboost只管理数字向量“。这不意味着我的所有特性(变量)只需要包含数值吗？但是，我已经看到了一些使用xgboost的教程，其中变量是分类变量。
如果能在这个问题上提供任何帮助，我们将不胜感激。
浏览 4提问于2017-11-14得票数 0
回答已采纳
假设我有一个模型来预测每一个人。下面是一个示例数据集。通常，评估指标(例如，在XGBoost算法中)用于单独的观察。然而，我不在乎个人预测是否准确，我只是希望总体上的预测是准确的。
换句话说，使用下面的样本数据集，并按性别汇总预测，我希望最小化男性(1000+3000)和(900+3100)之间的RMSE，以及女性(2000+4000)和(1900+4100)之间的RMSE；这与每一次观察的正常意义上的RMSE最小化是相反的。
这种类型的评估指标是否有一个短语？是否有一种方法可以将其转化为像XGBoost这样的流行算法？
注意:在培训前没有合理的方法来汇总数据，最终我需要每个人的预测。
📷
浏览 0提问于2019-07-02得票数 2
4回答
像XGBoost或Lightbgm这样的梯度增强解决方案可以用于大量的数据吗？我有一个820 of的csv文件，包含10亿个观测，每个观察都有650个数据点。
对于XGBoost来说，这是太多的数据吗？我已经在互联网上搜索了一个解决方案，当数据无法进入内存内存时，就没有用了。我读过关于xgb的外部内存的文章，但是没有详细的文档。谁能帮我指出正确的方向吗?谢谢！
浏览 0提问于2019-06-15得票数 8
2回答
对于数据集，我想使用xgboost进行$n$预测的最佳组合，而不是仅仅使用它们的算术平均值进行组合。我发现xgboost生成的预测比moedl所能选择的组合的许多$n$个人预测更糟糕。
我不知道为何会这样。为了说明我的观察结果，我创建了下面的玩具数据集。人工目标变量是由$$y = \frac{x_1+x_2}{2}，\，\mbox{with } x_1，x_2 \sim N(0,1) $$生成的，考虑到$y$与$x_1$和$x_2$的确定性关系，xgboost可以做出完美的预测，但不能。线性模型很容易做到。因为这是我能想到的最简单的多元线性回归模型，所以xgboost失败了，我想知道它的含义。
浏览 0提问于2018-06-01得票数 2
3回答
Python培训和星火部署
、、、、
是否有可能在python中训练XGboost模型，并使用保存的模型在火花环境中进行预测？也就是说，我想要能够训练的XGboost模型使用学习，保存模型。在火花中加载保存的模型，并在火花中进行预测。这有可能吗？
编辑:谢谢大家的回答，但我的问题真的是这样。当我训练和预测XGBoost的不同绑定时，我会看到以下问题。
在训练过程中，我将在python中使用，而在预测mllib中将使用XGBoost时，必须从XGBoost python加载保存的模型(例如: XGBoost.model文件)，以便在中预测，该模型是否与mllib中的预测函数兼容-- python中的XGBoost的数据输入格式和火花
浏览 2提问于2019-10-21得票数 1
1回答
我有外部回归的数据框架-x和因变量响应的向量。我想训练xgboost模型。我应该在xgboost函数中为label填入什么？或者我构造合适输入的方式根本就是错的？
g <- data.frame(target = response,x)
sm <-sparse.model.matrix(target ~., g)
fit <- xgboost (data = sm,
label = ,
eta = 0.1,
max_depth = 15,
n
浏览 0提问于2017-10-17得票数 0
1回答
我试着用xgboost R包构建一个0-1分类器。我的问题是如何做出预测？例如，在随机森林中，树木“投票”反对每一种选择，最后的预测是基于多数。关于xgboost，回归的情况很简单，因为对整个模型的预测等于弱学习者的预测和(增强树)，但是分类呢？
xgboost分类器是否与随机林中的工作方式相同(我不这么认为，因为它可以返回预测概率，而不是类成员资格)。
浏览 0提问于2016-01-19得票数 3
回答已采纳
在数据上训练xgboost (eXtreme梯度增强)模型的最佳实践是什么？分割数据训练多个模型？有没有更优雅的解决方案？
浏览 0提问于2017-12-03得票数 7
MinMaxScaler() in scikit-learn用于数据规范化(即特性缩放)。决策树不需要数据归一化。由于XGBoost基于决策树，是否需要使用MinMaxScaler()进行数据规范化，以便将数据输入到XGBoost机器学习模型？
浏览 0提问于2019-09-28得票数 31
回答已采纳
我是一个在虚拟机上进行分布式学习的新手。现在我有了一个很大的数据集，并想在Google Cloud Dataproc上运行xgboost。我查看了xgboost中关于在AWS上运行的教程，但我认为这与Google Cloud不同。
任何建议，相关链接，教程将不胜感激！
真心的！
浏览 2提问于2018-04-07得票数 0
1回答
我训练了一个XGBoost回归模型，它试图预测运动提供的转换数。自变量是每月虚拟，位置虚拟，和4列竞选规则(数字)。总共有6列ind。变量。我训练了模特。现在我试着用这个模型来预测一个特定的竞选活动的表现。我的目标是输入新活动的规则、月份和地点，并得到XGBoost预测的转换量。您知道如何在Python中实现这种预测吗？谢谢
浏览 0提问于2022-02-10得票数 0
回答已采纳
我试图使用parsnip来指定一个配方，以适应带有日志偏移量的xgboost泊松回归模型。要设置泊松回归，我可以在set_engine中指定一个选项，它工作得很好：
# Specify recipe
my_recipe <- recipe(training_df, Count ~.) %>%
# Remove covariates that are 80% correlated
step_corr(all_predictors(), threshold = 0.8) %>%
step_center(all_predictors(),
浏览 5提问于2020-07-20得票数 2
1回答
击打物所属的类别
、、
因此，我有一个树形图，其中有不同的算法。例如，XGBoost属于梯度提升，决策树和随机森林被分类等等。我想知道击打属于哪一类。
📷
浏览 0提问于2022-08-08得票数 0
我正在为XGBoost使用sklearn包装器。我没有找到一个清晰的解释，说明predict_proba()输出的概率是如何计算出来的。
例如，在随机森林中，我知道它反映了属于这个类别的样本在所有树木的相关叶子中所占比例的平均值。
但是，在XGBoost中，我无法理解文档或代码中的计算。不是应该给每棵树不同的重量吗？
浏览 0提问于2017-03-19得票数 6
有谁知道使用XGBoost的营销组合建模的文献吗？这是MMM建模的可行技术吗？有利/不利之处是什么？
我认为这将是一个很好的选择，因为交互效应是以一种很好的方式处理的，而且模型也避免了膨胀的值。然而，我不确定XGBoost是否是处理MMM数据中经常出现的多个碰撞的最佳模型。
我很高兴对这件事有任何想法。
浏览 0提问于2019-06-27得票数 2
1回答
当您创建用于线性回归的数据分析的新特性时，很明显，该特性必须与其他特性具有线性关系才更好。
但是对于xgboost来说，做一个新特性的指导方针是什么。1. xgboost的新特性的指导方针是什么? 2.当xgboost拆分出特性的重要性时。如果我想了解这个相关的领域，我应该学习什么?请让我知道链接和书籍或其他旅游胜地。
浏览 0提问于2019-08-30得票数 2
‘'bst’是我在R中构建的xgboost模型的名称，它给出了使用这段代码的测试数据集的预测值。因此，它肯定是一个xgboost模型。
pred.xgb <- predict(bst , xdtest) # get prediction in test sample
cor(ytestdata, pred.xgb)
现在，我想保存模型，以便另一个可以使用模型与他们的数据集，其中有相同的预测变量和同样的变量要预测。
与xgboost.pdf的第4页( xgboost包的文档)一致，我使用了xgb.save命令：
xgb.save(bst, 'xgb.model')
浏览 11提问于2022-04-22得票数 0
小背景:我成功地在AWS上做了一个回归实验，并从实验中保存了最好的模型。我已经下载了我最好的model.tar.gz.模型，以便在其他地方使用它来推断数据集。我提取了它，并将‘xgboost-模型’文件上传到我的木星实验室工作空间中，我的数据集就在这里。
regression_model = 'xgboost-model'
predictions = regression_model.predict(X_test)
我得到的错误是：
----> 1 predictions = regression_model.predict(X_test)
AttributeError
浏览 5提问于2022-06-09得票数 1
我已经在Python中创建了一个xgboost分类器：
train是一个100k行，50个特征作为列的pandas数据帧。《目标》是一个熊猫系列
xgb_classifier = xgb.XGBClassifier(nthread=-1, max_depth=3, silent=0,
objective='reg:linear', n_estimators=100)
xgb_classifier = xgb_classifier.fit(train, target)
predictions = xgb_c
浏览 1提问于2015-11-02得票数 8
1回答
我有一个关于包含np.nan值的数值数据的xgboost模型。我使用库将xgboost模型转换为pmml。
我用库测试pmml。对于没有空的数据，pmml进行预测，并给出与模型相同的结果。
对于带有空值的数据，pmml不能进行预测并返回JSONDecodeError。
如何修改pmml以处理空值，并返回与原始预测(xgboost模型)相同的预测？
浏览 1提问于2019-02-14得票数 0
回答已采纳
我正在使用xgboost库。我的系统每晚运行一个cron作业，从数据库中提取数据并对模型进行训练。但是，我想一次又一次地删除模型的重新训练，并对其进行微调，并使用数据库中的任何新数据进行微调。在sklearn的植入式(http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.GradientBoostingClassifier.html)中，人们可以使用warm_start选项，那么xgboost呢？
浏览 0提问于2015-09-17得票数 4
回答已采纳
1回答
有没有办法只使用XGBoost算法中使用的基本决策树？
我知道Sklearn的GBT只是使用Sklearn决策树作为它们的基础，但XGBoost构建树的方式不同(例如，叶权重的正则化)。
我查看了XGBoost的代码，但我不能弄清楚他们是如何构建基树的。
谢谢!
浏览 0提问于2018-07-23得票数 0
2回答
我需要使用很多算法来进行二值分类，例如Logistic回归、支持向量机、XGBoost、CatBoost、.我得到了一个有趣的改进，但所有这些算法(除LR)需要很长的时间来训练数据。
因此，我需要知道我是否必须在我的比较中指出训练时间，还是不需要说明，预测时间就足够了?？
在一个实际的应用中，需要进行多少时间的参数调整和拟合训练？我们每次在数据上插入新行时，是否都会这样做？
浏览 0提问于2019-02-03得票数 2
回答已采纳
我在分析一个房地产数据集。虽然所有的回归假设都失败了，但我的XGBoosting模型却蓬勃发展。我是不是遗漏了什么？在这种情况下，XGBoost仅仅是一个优越的模型吗？数据集约有67.000个观测值和30个变量。
浏览 2提问于2019-07-28得票数 0
回答已采纳
我想尝试一下xgboost全球模型，它来自：
在较小的范围内，它可以正常工作(比如wmt数据-7个部门，7id)，但是如果我想在20万个时间序列(ids)上运行它呢？这意味着步骤虚拟创建了另一个200k列& pc无法处理它。(pc甚至不能处理14k ids)
我试图删除step_dummy，但最后得到的是xgboost预测所有I的相同值。
，我的问题是：如何用全局xgboost模型预测200 k时间序列，并能够预测每个200k is的适当值。还是有必要将step_虚拟放在oder中，以便为所有it创建适当的FC？
Ps:代码应该与链接中的代码相同。只有在我的数据集中，每个id有50个月
浏览 8提问于2022-07-15得票数 2
1回答
我从来没有生产过xgboost模型，我关心的是如何在xgboost模型中处理新的数据预测。特别是当列名与训练的模型不匹配时，稀疏矩阵列名称-要么是由于添加了新的列，要么是因为在将新数据转换为稀疏矩阵时删除了某些列。
如果我试图在带有额外或缺少列名的新数据上预测xgboost模型，该怎么办？我看到这肯定会发生，并希望创建代码来说明它，以便预测是正确的。如果已经存在更优雅的解决方案，我更倾向于避免将它们拼凑在一起。
因此，具体地说，如果新的数据稀疏矩阵具有不同的列名，那么该怎么办？
我最好的猜测是分解(基于训练的数据级别)>创建稀疏矩阵>然后删除不匹配的列(在训练的数据集和新数据之间)
浏览 11提问于2017-01-16得票数 3
我已经为KNN、随机森林和XGBoost运行了多次K-折叠交叉验证。
KNN可以完成sklearn的cross_val_score，所以速度要快得多。
它们都使用相同的预处理数据，都有相同的测试/列车分割与随机状态，等等。
单独运行时，时间在10%以内。
当使用滑雪板的交叉val得分时，KNN可以在不到10分钟内完成50k倍，而另外两个则需要超过一个小时。(这是一致的，我已经对所有3种算法运行了5次)
从数学上讲，或者可能是因为sklearn的代码，这是有原因的吗？(数据集为200,000×100列，按25%的测试/列车分割)
浏览 0提问于2021-04-09得票数 0
回答已采纳
是否可以利用列车的结果作为另一个特点和再培训？
例如，我用分类和
将此结果添加到表中并训练xgboost？
浏览 0提问于2019-12-15得票数 2
2回答
如何用机器学习算法设置多个类？
、、、、
我使用XGboost、Randomforest(sklearn)、SVM(sklearn)和MLPclassifier(sklearn)作为分类器。我想为多标签类设置这些模型。我该怎么做？
import xgboost as xgb
from sklearn.svm import SVC
from sklearn.neural_network import MLPClassifier
from sklearn.ensemble import RandomForestClassifier
xgb.XGBClassifier()
SVC()
MLPClassifier()
RandomFores
浏览 1提问于2018-11-30得票数 0
回答已采纳
训练和测试数据的阳性率约为1%，但模型预测的阳性率仅为0.1%左右。
该模型是一个xgboost分类器。
我试过校准，但没什么改进。我也不想选择阈值，因为最终目标是输出概率。
我想要的是模型有很多分类阳性，类似于实际数据中的阳性数。
浏览 0提问于2020-01-31得票数 5
我训练了一个关于种群A的树集合分类器(XGBOOST)，对它进行了验证，并对它的准确性(AUC 0.78)表示满意。现在，我试图把它转移到一个稍微不同的种群B，在那里，模型的准确性严重下降(AUC 0.68)
我试图通过简单的单变量分析(比较分布)和将每个特征与标签的相关性进行比较，找出哪些特性没有很好地传递，但没有发现任何明显的特性。
是否有一种方法来调试和理解在A的模型假设中哪一种不适用于B？我考虑了比较每个树中每个节点的标签分布，以确定A和B中的验证种群，从而测试模型假设的所有条件概率实际上在B。
那能帮我弄明白什么坏了吗？还是我会得到很多微小的差异？还有其他简单的方法让我错过吗？
(与
浏览 0提问于2018-03-08得票数 1
1回答
我正在使用SageMaker管道来对测试数据进行推断。管道使用SKLearn预处理器和XGBoost模型。管道可以很好地处理没有ID列的数据。但是，当我尝试包含一个ID列来跟踪预测时，它失败了。我给出了下面的代码片段。
import sagemaker
from sagemaker.predictor import json_serializer, csv_serializer, json_deserializer
input_data_path = 's3://batch-transform/input-data/validation_data.csv'
output_da
浏览 17提问于2020-11-16得票数 1
回答已采纳
1回答
我正在读这两页：xgboost文档 张贴评价指标
我有一个数据集，我试图在用户级别上预测未来的支出。我们花的很多钱都来自于大把花钱的人，离群的人。所以我们关心他们。我正在使用XGBoost。
我已经尝试过使用reg:squarederror目标。这往往会低估一些预测。然后，我尝试使用reg:squaredlogerror，这就导致了预测的不足，而不仅仅是使用正方形。
我尝试过用几个不同的超参数组合进行调优，但没有一个比改变目标更有意义。所以，我专注于目标函数，并试图了解是否还有一个值得一试的目标函数？
在上面的xgboost文档中，其他回归目标选项中的一些是reg:pseudohubererr
浏览 0提问于2020-07-06得票数 4
回答已采纳
1回答
有人能解释一下Cover包中的xgboost列是如何在xgb.model.dt.tree函数中计算的吗？
它在文件中说，覆盖“是衡量受分裂影响的观测数量的一个指标”。
在此函数的xgboost文档中给出的运行以下代码时，树0的节点0的Cover为1628.2500。
data(agaricus.train, package='xgboost')
#Both dataset are list with two items, a sparse matrix and labels
#(labels = outcome column which will be learned).
#
浏览 3提问于2015-11-04得票数 14
回答已采纳
1回答
我有一个测量各种特征的传感器的表格数据。当传感器处于“关闭”状态时，它将报告0作为值。为了进行分类，我正在训练一些机器学习模型kNN、XGBoost和NN。这是我面临的问题:我可以逐行训练和预测；然而，将范围分类为整体比逐行分类更好。另一个问题是范围的大小可能会有所不同。有关一个非常基本的示例，请参阅此图说明范围。 ? 我有一个基本的Keras模型： model = Sequential()
model.add(Dense(100, activation='relu'))
model.add(Dense(100, activation='relu'))
m
浏览 26提问于2020-12-08得票数 0
我用以下几行来训练一个简单的xgboost分类器模型。
xgb_model = xgb.XGBClassifier(objective="binary:logistic", random_state=42)
xgb_model.fit(X_train, y_train)
ypred_1 = xgb_model.predict(X_test_1)
ypred_2 = xgb_model.predict(X_test_2)
然后我使用两个测试数据集，其中X_test_2是X_test_1的一个子集，在预测这两个测试数据集时，模型对一些样本(在两个数据集中是相同的)给出了不同的预测。
浏览 0提问于2022-06-13得票数 1
1回答
我用XGBoost来处理时间序列回归问题.
在开发过程中，我在最后的%10 %的数据上选择验证集。使用timeseries拆分交叉验证和网格搜索，我得到了相应的xgb超参数的最佳模型。
我的问题是，如何在我的生产环境中选择验证集(用于早期停止)？
1)我选择了数据的最后%10 %作为验证集，但此集也包含在培训数据中。所以太合适了。对噪音数据非常敏感。
2)我的预测数据(假设Y)随时间而变化，当我在去年选择随机行(%10 %)而不包括在训练集中时，它给了我比第一种选择更糟糕的生产效果。
3)当我选择上周的数据作为验证数据(不包括在训练集中)时，它在2.选项上给出了更好的结果。但我不包括上周的数据
浏览 0提问于2017-06-13得票数 2
回答已采纳
1回答
作为学习练习，我正在尝试手动编写代码(在R中)，以便将不同的机器学习模型“堆叠”(集成)在一起(目标是二元响应分类)。我从R中获取了流行的“声纳”数据集:我首先获取一些训练数据，并将其提供给“随机森林”算法和"ada boost“算法。我从这两个算法中获取输出概率，然后将其提供给"xgboost“算法进行最终预测。由于某些原因，这导致模型的训练误差为0。这不可能是对的。 有人能告诉我我做错了什么吗?我该如何解决这个问题？我已经附上了我的代码如下。 library (mlbench)
library (randomForest)
library(ada)
library(xgb
浏览 23提问于2020-10-21得票数 0
我花了几个小时试图用R运行XGboost，我有一个包含大约40列的训练数据和测试数据，最后一列是目标列。它是一个0,1的面值。我正在运行从获得的代码。
require(xgboost)
library(xgboost)
train <- read.csv(file.choose(),header = T)
test <- read.csv(file.choose(),header = T)
feature.names <- names(train)[2:ncol(train)-1]
clf <- xgboost(data = data.mat
浏览 1提问于2018-07-16得票数 0
1回答
背景：
我正在使用XGBoost开发一个模型来预测某一特定贷款是否会违约。我现在已经包含了Fico分数的时间序列数据，以及其他随时间变化的变量.因此，我有13,202独特的贷款，但超过300,000行可变和固定的数据。
问题：
考虑到我的数据是随着时间的变化而变化的，而且一些数据将在整个时间内保持不变，比如房产的批次大小和面积，那么XGBoost能区分固定数据和可变数据的组合吗？另外，当我的数据被分割成一个训练和测试集时，他们这样做是为了使贷款本身相应地被分割，而不仅仅是行吗？
浏览 0提问于2019-02-19得票数 0
回答已采纳
1回答
我正在尝试从使用python库创建的XGBoost保存的模型中获取.tar.gz文件中的置信区间。
问题是模型已经被拟合了，而且我已经没有训练数据了，我只是有推论或服务数据来预测。我发现的所有例子都需要使用训练和测试数据来创建分位数回归模型或打包模型，但我认为我没有机会这样做。
浏览 2提问于2020-09-01得票数 1
1回答
我有一个时间序列数据集，有63个特征和一个单变量因变量。这是我的第一个主要的时间序列项目，所以我想知道像ARIMA和LSTM这样的算法是否对具有共线性的变量免疫，类似于梯度增强的方法，比如xgboost，它实际上被看作是一种稳健的方法。下面是相关矩阵的图像。我在dataset中使用了xgboost，即使在删除了红色类别中的一些变量之后，也没有得到令人满意的结果，所以我将使用一些时间序列方法继续下一步工作。
📷
图像可以不断放大，以获得更清晰的特征描述。
浏览 0提问于2019-10-23得票数 1
2回答
使用，我创建了一个Xgboost模型。在解压缩生成的tar.gz文件后，我将得到一个文件"xgboost-model“。
下一步将是直接从我的S3桶上传模型，而不用泡菜下载它。以下是我尝试过的：
obj = client.get_object(Bucket='...',Key='xgboost-model')
xgb_model = pkl.load(open((obj['Body'].read())),"rb")
但它让我犯了一个错误：
TypeError: embedded NUL character
也尝试过这样做
浏览 0提问于2018-07-12得票数 1
回答已采纳
为了帮助学习机器学习，我编写了一些示例，不是为了说明一种方法比另一种方法更好，而是为了说明如何使用各种函数和调整哪些参数。我从开始比较BooST和xgboost，然后成功地将gbm添加到示例中。现在我试图添加glmnet，但是模型返回的alwyas对于这两个系数都(接近)为零。要么我做错了什么，要么glmnet对这些数据来说不是正确的。我想弄清楚它是哪一种。以下是我的可复制的例子：
# Uncomment the following 2 lines if you need to install BooST (requires devtools)
#library(devtools)
#inst
浏览 1提问于2018-09-07得票数 2
做时间序列分析，我对选择正确的模型有疑问。我想从包含no的输入数据集中预测下30分钟的窗口。那个特定的1分钟间隔的错误计数。
我应该使用XGBoost还是ARIMA回归？
我在网上发现的大多数文章或教程都使用ARIMA作为时间序列，而XGBoost则更多地用于Kaggle竞赛。
浏览 0提问于2019-09-24得票数 3
回答已采纳
1回答
ML项目-实现2个目标
、、、、
我有一个集中于二进制分类的5K记录的数据集。我把它张贴在这里是为了征求你对项目方法的建议。
目前我的目标是
1)进行状态模型logistic回归分析，找出影响预后的危险因素。
2)然后建立一个基于最佳特征的预测模型(可能包括风险因素，也可能不包括风险因素)。因为你可能知道，并不是所有的重要变量都是很好的预测指标。
虽然我可以使用scikit-learn逻辑回归来建立一个预测模型，但是我计划使用Xgboost，因为它在我的数据集中提供了更好的性能(非线性数据稍微不平衡)。
我做第一步，因为我必须找出影响结果的风险因素，所以我正在这么做。(例如:影响客户拖欠贷款的风险因素)你知道我们从哪里得到p-
浏览 0提问于2020-01-05得票数 1
回答已采纳
2回答
我有一个经过预先训练的XGBoost模型从一个泡菜文件中读取。当我试图在模型特性集之外的一些列上对新的数据集进行预测时，我收到了错误消息：
培训数据没有以下字段: column1、column2、.
我不介意将这些列排除在培训数据之外。我不想硬编码列名(有很多)，我只想找到训练列和预测数据集之间的交集。
是否有一种方法可以从经过训练的模型中提取特征名(显然，模型记录了字段名)，而不必返回我的训练数据集？
浏览 0提问于2019-03-12得票数 3
回答已采纳
1回答
从几个月以来一直在学习机器。我有一些我自己无法回答的基本问题。这可能是我问错了一个问题:当训练模型，如XGBoost，你不能预测的新数据，没有相同的列数。列名重要吗？在预测时，数字和列名是如何相互作用的？提前谢谢。
浏览 0提问于2023-01-21得票数 0
回答已采纳
伙计们！
我是机器学习方法的新手，对此我有一个疑问。我尝试在R中使用Caret包来启动此方法并使用dataset。
我有一个训练数据集(Dataset1)，其中包含关于我感兴趣的基因的突变信息，比如基因A。
在Dataset1中，我有关于基因A以Mut或Not的形式突变的信息。我使用Dataset1和支持向量机模型来预测输出(因为它比LVQ或GBM更精确)。因此，在我的第一步中，我将我的数据集分为训练组和测试组，因为我已经在数据集中获得了作为测试和训练集的信息。然后我用10倍做了交叉验证。我调整了我的模型，并使用测试数据集(使用ROC曲线)评估了模型的性能。这一步之前一切都很顺利。
我有另一个
浏览 1提问于2017-08-24得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
