2019 텐 센트 광고 알고리즘 대회 사용 XGBOOST 모델 + 모 바 일 검색 쉽게 80
10316 단어 대학원생 참가 관련 경기머 신 러 닝 알고리즘 클럽
첫 번 째 부분: 광고 데이터 세트 와 사용자 데이터 세트 를 어떻게 세척 합 니까?
두 번 째 부분: 노출 광고 데이터 세트 와 구조 라벨 을 어떻게 세척 합 니까?
세 번 째 부분: 테스트 데이터 세트 와 구조 훈련 집 을 어떻게 정리 합 니까?
상반기 내 내 GAN 생 성 이미지 와 관련 된 작업 을 했 기 때문에 이 XGBOOST 에 대해 잘 알 지 못 했 습 니 다. 다만 다른 사람의 모델 을 참고 하여 조롱박 보다 바 가 지 를 그 렸 습 니 다. 버 전 1 코드 는 똑 같 을 수 있 지만 마지막 에 코드 를 제출 하면 효과 가 좋 지 않 습 니 다. 버 전 2 는 훈련 에 집 중 된 데이터 에 불법 문자 가 나 왔 을 것 입 니 다. 예 를 들 어 (') ,)같은 종 류 는 달 릴 수 없 으 니 논문 을 먼저 쓰 려 고 하면 하지 않 는 다.
버 전 1: 속성 열 은 유일한 값 에 단조 로 움 을 더 하면 테스트 집합 A 에서 79.75 점 을 얻 을 수 있 습 니 다. 이미 테스트 했 습 니 다.
# -*- coding: utf-8 -*-
# @Time : 2019/5/4 9:11
# @Author : YYLin
# @Email : [email protected]
# @File : Code_For_Tencent.py
import pandas as pd
import matplotlib.pyplot as plt
import xgboost as xgb
import numpy as np
import sys
from xgboost import plot_importance
from sklearn.preprocessing import Imputer
def loadDataset(filePath):
df = pd.read_csv(filepath_or_buffer=filePath)
return df
def featureSet(data):
data_num = len(data)
XList = []
for row in range(0, data_num):
tmp_list = []
tmp_list.append(data.iloc[row]['ad_bid'])
tmp_list.append(data.iloc[row]['Ad_material_size'])
tmp_list.append(data.iloc[row]['Ad_Industry_Id'])
tmp_list.append(data.iloc[row]['Commodity_type'])
#
# tmp_list.append(data.iloc[row]['Delivery_time'])
XList.append(tmp_list)
yList = data.num_click.values
return XList, yList
def loadTestData(filePath):
data = pd.read_csv(filepath_or_buffer=filePath)
data_num = len(data)
XList = []
for row in range(0, data_num):
tmp_list = []
tmp_list.append(data.iloc[row]['ad_bid'])
tmp_list.append(data.iloc[row]['Ad_material_size'])
tmp_list.append(data.iloc[row]['Ad_Industry_Id'])
tmp_list.append(data.iloc[row]['Commodity_type'])
#
# tmp_list.append(data.iloc[row]['Delivery_time'])
XList.append(tmp_list)
return XList
def trainandTest(X_train, y_train, X_test):
# XGBoost
model = xgb.XGBRegressor(max_depth=5, learning_rate=0.1, n_estimators=160, silent=False, objective='reg:gamma')
model.fit(X_train, y_train)
#
ans = model.predict(X_test)
ans_len = len(ans)
id_list = np.arange(1, ans_len+1)
data_arr = []
#
if ans_len == len(id_list):
for row in range(0, ans_len):
data_arr.append([int(id_list[row]), round(ans[row], 4)])
else:
print("!!!!! !!!!!")
sys.exit()
np_data = np.array(data_arr)
#
pd_data = pd.DataFrame(np_data)
# print(pd_data)
pd_data.to_csv('submission.csv', index=None)
#
# plot_importance(model)
# plt.show()
if __name__ == '__main__':
trainFilePath = '../Dataset/Result/Result_For_Train_test.csv'
testFilePath = '../Dataset/Result/Result_For_Test.csv'
print("!!!!!!!!! !!!!!!!!!")
data = loadDataset(trainFilePath)
print(" :
", data.info())
X_test = loadTestData(testFilePath)
print("!!!!!!!!! !!!!!!!!!!!")
X_train, y_train = featureSet(data)
print("!!!!!! !!!!!!!!!!")
trainandTest(X_train, y_train, X_test)
버 전 2: 2019 - 07 - 07 XGB 를 추가 하면 격자 검색 을 통 해 최 적 화 된 파 라 메 터 를 자동 으로 찾 을 수 있 습 니 다.
# -*- coding: utf-8 -*-
# @Time : 2019/5/21 23:35
# @Author : YYLin
# @Email : [email protected]
# @File : new_submission_used_xgboost_v4.py
# ID
# LGB XGBoost
import pandas as pd
from sklearn.preprocessing import OneHotEncoder,LabelEncoder, StandardScaler
import xgboost as xgb
import numpy as np
import sys
from sklearn.model_selection import GridSearchCV
import matplotlib.pyplot as plt
from xgboost import plot_importance
import math
# v4
from sklearn.feature_selection import SelectPercentile
# 05.21
pd.set_option('display.max_columns', 1000)
pd.set_option('display.width', 1000)
pd.set_option('display.max_colwidth', 1000)
pd.set_option('display.max_rows', None)
# True False
find_params = False
# one-hot encoding StandardScaler() encoding
def encode_feature_data(data, for_train=True):
XList = []
data_num = len(data)
if for_train:
print("***** , *******", data.info())
else:
print("***** , *******", data.info())
# lgb one-hot encoding
enc = OneHotEncoder(categories='auto')
enc.fit(data)
enc.transform(data)
print("Standard_feature ")
if for_train:
# list
data['Exporse'] = data['Exporse'].apply(lambda x: math.log(x))
for row in range(0, data_num):
tmp_list = []
tmp_list.append(data['ad_request_datetime'][row])
tmp_list.append(data['ad_account_id'][row])
tmp_list.append(data['commodity_id'][row])
tmp_list.append(data['commodity_type'][row])
tmp_list.append(data['ad_industry_id'][row])
tmp_list.append(data['ad_martril_size'][row])
XList.append(tmp_list)
# Ylist.append(data.iloc[row]['Exporse'])
Ylist = data.Exporse.values
return XList, Ylist
else:
# list
for row in range(0, data_num):
tmp_list = []
tmp_list.append(data['ad_request_datetime'][row])
tmp_list.append(data['ad_account_id'][row])
tmp_list.append(data['commodity_id'][row])
tmp_list.append(data['commodity_type'][row])
tmp_list.append(data['ad_industry_id'][row])
tmp_list.append(data['ad_martril_size'][row])
XList.append(tmp_list)
return XList
# XGBoost
def XGB_predict(X_train, y_train, X_test):
if find_params:
# cv_params https://blog.csdn.net/sinat_35512245/article/details/79700029
cv_params = {'n_estimators': [4000, 5000, 6000, 7000, 10000]}
'''
cv_params = {'n_estimators': [400, 500, 600, 700, 800], 'max_depth': [3, 4, 5, 6, 7, 8, 9, 10],
'min_child_weight': [1, 2, 3, 4, 5, 6], 'gamma': [0.1, 0.2, 0.3, 0.4, 0.5, 0.6], 'subsample': [0.6, 0.7, 0.8, 0.9],
'colsample_bytree': [0.6, 0.7, 0.8, 0.9], 'reg_alpha': [0.05, 0.1, 1, 2, 3], 'reg_lambda': [0.05, 0.1, 1, 2, 3],
'learning_rate': [0.01, 0.05, 0.07, 0.1, 0.2]}
'''
other_params = {'learning_rate': 0.1, 'n_estimators': 5000, 'max_depth': 5, 'min_child_weight': 1, 'seed': 0,
'subsample': 0.8, 'colsample_bytree': 0.8, 'gamma': 0, 'reg_alpha': 0, 'reg_lambda': 1}
# XGBRegressor GridSearchCV
model = xgb.XGBRegressor(**other_params)
optimized_GBM = GridSearchCV(estimator=model, param_grid=cv_params, scoring='r2', cv=5, verbose=1, n_jobs=4)
# model.fit(X_train, y_train)
grid_search = optimized_GBM.fit(X_train, y_train)
print("Best: %f using %s" % (grid_search.best_score_, grid_search.best_params_))
means = grid_search.cv_results_['mean_test_score']
params = grid_search.cv_results_['params']
for mean, param in zip(means, params):
print("%f with: %r" % (mean, param))
else:
#
model = xgb.XGBRegressor(learning_rate=0.1, n_estimators=6000, max_depth=5, min_child_weight=1, seed=0,
subsample=0.8, colsample_bytree=0.8, gamma=0, reg_alpha=0, reg_lambda=1)
model.fit(X_train, y_train)
#
predict_result = model.predict(X_test)
predict_result = np.exp(predict_result)
ans_len = len(predict_result)
id_list = np.arange(1, ans_len + 1)
data_arr = []
#
if ans_len == len(id_list):
for row in range(0, ans_len):
data_arr.append([int(id_list[row]), round(predict_result[row], 4)])
else:
print("!!!!! !!!!!")
sys.exit()
#
# np_data = np.array(data_arr)
pd_data = pd.DataFrame(data_arr)
pd_data.to_csv('../Dataset/dataset_for_train/submission.csv', index=None, header=None)
#
plot_importance(model)
plt.show()
if __name__ == '__main__':
trainFilePath = '../Dataset/dataset_for_train/train_op_dp.csv'
testFilePath = '../Dataset/dataset_for_train/update_Btest_sample.csv'
print(" !!!! ")
# encoding 10
# data = pd.read_csv(trainFilePath, nrows=10)
data = pd.read_csv(trainFilePath)
X_train, y_train = encode_feature_data(data)
#
print("X_train :", type(X_train), type(X_train[1]), X_train[1], type(y_train))
data_test = pd.read_csv(testFilePath)
X_test = encode_feature_data(data_test, for_train=False)
print("******* *******")
XGB_predict(X_train, y_train, X_test)