厦门区块链网站开发/草莓永久地域网名入2022

关于分类问题，结构化数据的分类问题都可以用xgboost来解决；nlp的分类问题使用bert来解决，nlp的所有问题都可以抽象成分类问题，也就是nlp问题都可以用bert来解决，包括命名实体识别、实体关系抽取、实体链接（百度叫实体链指）等。有兴趣可以看这个基于bert的实体关系抽取，点我

这里说说xgboost怎么玩。

官网博客，点我

1.安装

mac安装，我直接：pip install xgboost安装报错（mac安装坑挺深），conda安装：conda install py-xgboost 就没有问题了，依赖什么的都会一起安装，省事。

2.运行报错：AttributeError: module 'xgboost' has no attribute 'DMatrix'

修改文件名，你的文件名很可能是xgboost.py

3.输入数据格式 ：libsvm

libsvm 使用的训练数据和检验数据文件格式如下：

[label] [index1]:[value1] [index2]:[value2] …
[label] [index1]:[value1] [index2]:[value2] …

label 目标值，就是说 class（属于哪一类），就是你要分类的种类，通常是一些整数。 index 是有顺序的索引，通常是连续的整数。就是指特征编号，必须按照升序排列 value 就是特征值，用来 train 的数据，通常是一堆实数组成。

详细见：https://www.cnblogs.com/codingmengmeng/p/6254325.html

4.mushroom数据：

每个样本描述了蘑菇的22个属性，比如形状、气味等等（将22维原始特征用加工后变成了126维特征并存为libsvm格式)，然后给出了这个蘑菇是否可食用。其中6513个样本做训练，1611个样本做测试。

libsvm格式数据下载（训练测试数据都在这里）：https://download.csdn.net/download/u011630575/10266113

5.跑一个最简单的demo

# coding=utf-8
import xgboost as xgb
import numpy as npif __name__ == '__main__':# 读取数据data_train = xgb.DMatrix('agaricus_train.txt')data_test = xgb.DMatrix('agaricus_test.txt')# 设定相关参数，训练模型param = {'max_depth': 2, 'eta': 1, 'silent': 1, 'objective': 'binary:logistic'}n_round = 10model = xgb.train(param, data_train, num_boost_round=n_round)# 预测结果y_predict = model.predict(data_test)# 实际标签y_true = data_test.get_label()print('y_predict:', y_predict)print('y_true:', y_true)

终端输出(可以看到预测结果和标签结果是一致的，阈值设置0.5即可)：