xgboost python 예제
predict_proba를 사용하여 xgboost 모델로 예측 된 확률을 만듭니다. 이러한 프로볼을 빌드된 동일한 train 데이터에 저장할 수 있으므로 성과 기록표의 유효성 검사에 대한 관리를 표시하는 보고서를 추가로 만들 수 있습니다. 예를 들어 임의의 숲에서 모든 나무의 관련 잎 중 클래스에 속하는 샘플의 비율의 평균을 반영이해합니다. xgboost를 사용하여 기능 중요도 점수를 부여한 다음 점수를 사용하여 가장 중요한 기능을 선택한 다음 해당 피처에서 모델을 맞출 수 있습니다. 중요도를 플롯하려면 xgboost.plot_importance()를 사용합니다. 이 기능을 설치하려면 매트플롯립이 필요합니다. 나는 그것이 설치 문제인 것 같아요. 파이썬을 다시 설치하거나 티켓을 올리고 세부 정보를 공유하여 sklearn 개발자에게 연락할 수 있습니다. 당신은 xgboost의 최신 버전이 있습니까? 방금 확인했고 이전 버전 중 하나에서 문제가 발생했습니다! g++ -m64 -std=c+0x -벽 -O3 -msse2 -Wno-unknown-pragmas -funroll-루프 -Iincl ude -DDMLC_ENABLE_STD_THREAD=0 -Idml c-core/포함 -Irabit/포함 -fopenmp-MM-MT 빌드/logging.o src/logging.cc >build/logging.d g++ -m64 -std=c++0x -벽-O3 -msse2 – Wno-unknown-pragmas -funroll-루프 -Iincl ude -DDMLC_ENABLE_STD_THREAD=0 -Idmlc 코어/포함 -Irabit/포함 -fopenmp-MM-MT 빌드 /learner.o src/learner.cc >build/learner.d g++ -m64 -std=c+0x -Wall-O3 -msse2 -Wno-unknown-pragmas – 펀롤 루프 -Iincl ude -DDMLC_ENABLE_STD_THREAD=0 -Idmlc 코어/포함 -Irabit/포함 -fopenmp-MM-MT 빌드/c_api/c_api/c_api/c_api/c_api.cc >build/c_api/c_api/c_api.c_api++m64 -std=c++0x -벽-O3 -msse2 -Wno-알 수 없는 실용모 -funroll-루프 -Iincl ude -DDMLC_ENABLE_STD_THREAD=0 -Idmlc 코어/포함 -Irabit/포함 -fopenmp-MM-MT 빌드/데이터/simple_dmatrix.o src/데이터/simple_dmatrix.. cc >빌드/데이터/simple_d matrix.d g++ -m64 -c-std=c++0x -벽-O3-msse2 -Wno-알 수 없는 실용 -funroll-루프 -Iinclude -DDMLC_ENABLE_STD_THREAD=0 -Idmlc 코어/포함 -Irabit/포함 -fopenmp-c src/logging.cc-o 빌드/logging.o g++ -m64 -c -std=c++0x -벽 -O3 -msse2 -Wno-알 수 없는 실용모 -funroll-루프 -Iinclude -DDMLC_ENABLE_STD_THREAD=0 -Idmlc 코어/ 포함 -Irabit/포함 -fopenmp-c src/c_api/c_api.cc-o 빌드/c_api/c_api.o g++ -m64 -c -std=c+0x -벽-O3 -msse2 -Wno-알 수없는 실용머 -funroll-루프 -Iinclude -DDMLC_ENABLE_STD_THREAD =0 -Idmlc 코어 / 포함 -Irabit / 포함 -fopenmp -c rc/data /simple_dmatrix.cc-o 빌드/데이터/simple_dmatrix.o 포함/xgboost/./base.h:10:0, 포함/xgboost/logging.h:13, src/logging.cc:7: dmlc-core/포함/dmlc/omp.h:17: 치명적인 오류: omp.h. 컴파일이 종료되었습니다.
