Pandas Dataframe à DMatrix

J'essaie d'exécuter xgboost dans scikit learn. Et j'utilise uniquement des Pandas pour charger des données dans la trame de données. Comment suis-je censé utiliser pandas df avec xgboost. Je suis confus par la routine DMatrix requise pour exécuter xgboost algo.

Vous pouvez utiliser le cadre de données .values méthode pour accéder aux données brutes une fois que vous avez manipulé les colonnes selon vos besoins.

Par exemple

train = pd.read_csv("train.csv")
target = train['target']
train = train.drop(['ID','target'],axis=1)
test = pd.read_csv("test.csv")
test = test.drop(['ID'],axis=1)

xgtrain = xgb.DMatrix(train.values, target.values)
xgtest = xgb.DMatrix(test.values)

De toute évidence, vous devrez peut-être modifier les colonnes que vous supprimez ou utilisez comme cible d'entraînement. Ce qui précède était pour une compétition Kaggle, donc il n'y avait pas de données cibles pour xgtest(elles sont retenues par les organisateurs).

Il y a de bonnes nouvelles, il existe une bibliothèque pandas_mlqui prend en charge XGBoost, cela rationalisera simplement le flux de travail.

http://pandas-ml.readthedocs.io/en/latest/xgboost.html

Vous pouvez désormais utiliser Pandas DataFrames directement avec XGBoost. Fonctionne certainement avec xgboost 0.81.

Par exemple, où X_train, X_val, y_train et y_val sont des DataFrames:

import xgboost as xgb

mod = xgb.XGBRegressor(
    gamma=1,                 
    learning_rate=0.01,
    max_depth=3,
    n_estimators=10000,                                                                    
    subsample=0.8,
    random_state=34
) 

mod.fit(X_train, y_train)
predictions = mod.predict(X_val)
rmse = sqrt(mean_squared_error(y_val, predictions))
print("score: {0:,.0f}".format(rmse))