熊猫数据框到DMatrix

14

我试图在scikit学习中运行xgboost。而且我只使用Pandas将数据加载到dataframe中。我应该如何在xgboost中使用pandas df。我对运行xgboost算法所需的DMatrix例程感到困惑。

scikit-learn pandas xgboost

— 攻壳机动队
source

21

.values一旦按需操作了列，就可以使用数据框的方法访问原始数据。

例如

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)

显然，您可能需要更改删除或用作训练目标的列。以上是针对Kaggle比赛的信息，因此没有目标数据xgtest（由组织者保留）。

— 尼尔·斯莱特
source

当尝试这种方式时，xgb.DMatrix(X_train.values, y_train.values)我看到了TypeError: can not initialize DMatrix from dict

— javadba '18

@javadba：绝对在2016年对我的mcahine有效！由于无法安装xgboost，我目前无法对此进行测试。某些库代码可能已更改。您的情况更有可能发生变化。我找到了stackoverflow.com/questions/35402461/…，但这只是建议您确切地执行此答案的工作（即使用.values）

— Neil Slater

7

好消息是，有一个pandas_ml支持XGBoost 的库，可能会简化工作流程。

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

— 用户名
source

7

您现在可以将Xandaso直接使用Pandas DataFrames。绝对适用于xgboost 0.81。

例如，其中X_train，X_val，y_train和y_val是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))

— 杰斐尔
source