用前5000条数据对模型进行训练和调参(sklearn中的网格搜索)兄下面的结果来看,单个模型效果最好的是LR,也可能存在参数范围选取不当等原因。
模型 | 最优参数 | F-1 |
LogisticRegression | C=4.0 max_iter: 100 |
0.6600 |
SVM | C=0.7 kernel:linear |
0.6222 |
LightGBM | learning_rate: 0.5 |
0.6336 |
AdaBoost | learning_rate: 0.6 n_estimators: 50 |
0.4006 |
import pandas as pd
from sklearn.cross_validation import train_test_split
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn import svm
import lightgbm as lgb
from sklearn.linear_model import LogisticRegression
from sklearn.ensemble import AdaBoostClassifier
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import f1_score
train_data = pd.read_csv('./new_data/train_set.csv',nrows = 5000)
train_data.drop(columns=['article','id'], inplace = True)
tfidf=TfidfVectorizer()
X_train=tfidf.fit_transform(train_data['word_seg'])
Y_train = train_data['class']-1
x_train, x_test, y_train, y_test = train_test_split(X_train, Y_train, test_size=0.25, random_state=33)
#logisticRegression
lg = LogisticRegression()
param_lg = {'C':[4.0,3.0,2.0,1.0],
'penalty':['l1','l2'],
'maxiter':[10,20,50,100]
}
lg = GridSearchCV(lg, param_lg)
lg.fit(x_train, y_train)#训练分类器
y_predict = lg.predict(x_test)
acc_train = float((y_predict==y_test).sum())/(len(y_test))#验证集错误率
print("accuracy of LR:",acc_train)
print(f1_score(y_test, y_predict , average='weighted'))
lg.best_estimator_.get_params()
#svm
clf = svm.SVC(C=0.6, kernel='rbf', gamma=20, decision_function_shape='ovr')
param_svm = {'C':[0.3,0.5,0.6,0.7],
'kernel':['rbf','linear'],
'gamma':[18,20,22]
}
clf = GridSearchCV(clf, param_svm)
clf.fit(x_train, y_train)
y_sv = clf.predict(x_test)
ac = float((y_sv == y_test).sum())/(len(y_test))
print("accuracy of SVM:", ac)
print(f1_score(y_test, y_sv , average='weighted'))
clf.best_estimator_.get_params()
#adaboost
ada = AdaBoostClassifier()
param_ada = {'C':[0.3,0.5,0.6,0.7],
'kernel':['rbf','linear'],
'gamma':[18,20,22]
}
ada = GridSearchCV(ada, param_ada)
ada.fit(x_train, y_train)
y_ada = ada.predict(x_test)
ac = float((y_ada == y_test).sum())/(len(y_test))
print("accuracy of ada:", ac)
print(f1_score(y_test, y_ada , average='weighted'))
ada.best_estimator_.get_params()
#lightgbm
lightgbm = lgb.sklearn.LGBMClassifier()
param_grid = {
'learning_rate': [0.01, 0.1, 0.5],
'n_estimators': [30, 40]
}
lightgbm = GridSearchCV(lightgbm, param_grid)
lightgbm.fit(x_train, y_train)
y_lgb = lightgbm.predict(x_test)
acc = lightgbm.score(x_test, y_test)
print(f1_score(y_test, y_lgb , average='weighted'))
lightgbm.best_estimator_.get_params()
转自:https://www.cnblogs.com/ringceving/p/5470972.html在vs2015导入mdf数据库文件时提示:此数据库文件与当前sql server实例不兼容.mdf文件的版本是SQL SERVER 2005的,而VS2015自带的数据库是LocalDB,直接导入该mdf文件时会提示:此数据库文件与当前sql server实例不兼容.解决方法是把...
1、函数式编程语言有:lisp,hashshell,erlang等。2、在函数中的参数,有一一对应的,也有指定模式的,还有使用能数组。如*argp(元组),**argp(字典)。3、在pyphon语言中有一些内置的函数,如abs求绝对值,eval()转字典。转载于:https://www.cnblogs.com/lyzfp/p/11391296.html...
import java.io.File;import java.io.FileInputStream;import java.io.FileOutputStream;import java.io.IOException;import java.io.InputStream;import java.io.OutputStream;import java.security.Key;imp
1、你会选择作 网络编程 方向的程序员吗?为什么?就我个人而言,对这篇文档的兴趣不是很大,不过这篇文档中提到的一些资料还是很有用的, 以后的工作可能会涉及到网络方面的需求,比如一些跟网络打交道的编程任务, 开发网络设备,编写防火墙开发与公司业务直接相关的网络服务程序,比如即时聊天软件的后台服务器,网游服务器,所有还是有必要了解一下。2、请搜寻并列出至少3个有影响力的中英文SDN的门户...
首先这是我的电脑配置,当然,玩黑苹果不一定得和我的配置一样~这个链接是几乎我用到的所有文件:链接: https://pan.baidu.com/s/1UIVXqkx3XiLbEsGsGbXA_A 提取码: ex3f 全部下载即可####1、做系统盘:1、准备一个8G以上的U盘打开上面工具里面的TransMac软件,检测到我们的U盘,然后右击,选择如图所示的第二个:Format Dis...
值传递:传递的是实际参数的一个副本。基本数据类型Undefined,Null,Boolean,Number、String都是值传递。引用传递:传递的是实际参数的地址。引用数据类型Object,Array,Date, Function等都是引用传递。var a = 10function add(num){ num+=10 return num}add(a)console.log(a) //10console.log(add(a)) //20对于以上代码,a与函数内部的num互不
一时兴起,看到了一道题目,想写一写。题目大体如下: 需求一个密码判定程序,要求:①长度不低于8位 ②包含数字、大写字母、小写字母、其他字符,至少三种 ③密码串里,不包含多个长度大于2的相同子串。例如 awer34er,是可以通过的,因为相同的多个子串是er,长度为2。再例如 Awed43234ed4w,是不可以通过的,因为相同的多个子串ed4,长度大于2。 用了好久的Python,本来想用Python写,突然发现好像么有脚踏实地的联系过Python,...
会话(Session)跟踪是Web程序中常用的技术,用来跟踪用户的整个会话。常用的会话跟踪技术是Cookie与Session。Cookie通过在客户端记录信息确定用户身份,Session通过在服务器端记录信息确定用户身份。 一.cookie和session机制之间的区别和联系 具体来说cookie机制采用的是在客...
1. Ctrl+左键 和F3这个是大多数人经常用到的,用来查看变量、方法、类的定义跳到光标所在标识符的定义代码。当按执行流程阅读时,F3实现了大部分导航动作。2 Ctrl+Shift+G在工作空间中查找引用了光标所在标识符的位置。可以说是与F3相反的快捷键。当按类定义进行阅读时,可以迅速找出当前类方法在被哪些类调用了。3. Ctrl+O查看一个类的纲要,列出其方法和成员变量
最近有网友问小编路由器DNS怎么设置?对于这个问题,一直以来问的朋友并不多,大家一般修改的都是电脑上的DNS地址。其实路由器DNS地址也是可以修改的,比如在路由器DNS被篡改以及组建vpn内部网络的时候,需要修改路由器DNS地址。那么路由器DNS怎么设置呢,以下华强电子网小编与大家详细介绍下。路由器DNS怎么设置 路由器DNS设置详细图文教程以下笔者以使用用户最多的TP-Link路由器为例,教您如...
我在插入employee,java hibernate强大 插入的时候就创建了表报错为:ora-01400:无法将NULL插入("MPAC"."EMPLOYEE"."EID")Could not execute JDBC batch update解决办法:原来数据库中已经有了employee表,而且还真有EID字段。下次注意了。