开放能力
开发平台
行业应用
生态合作
开发与教学
资讯 社区 控制台
技术能力
语音技术
图像技术
文字识别
人脸与人体识别
视频技术
AR与VR
自然语言处理
知识图谱
数据智能
场景方案
部署方案
行业应用
智能教育
智能医疗
智能零售
智能工业
企业服务
智能政务
智能农业
信息服务
智能园区
智能硬件
BML 全功能AI开发平台

    XGBoost 1.3.1

    XGBoost

    XGBoost框架下,自定义作业支持发布保存模型为picklejoblib格式,并且在发布至模型仓库时需要选择相应的模型文件。使用下面代码进行模型训练时,训练程序可以自行加载数据,训练数据选择空文件夹即可。

    pickle格式示例代码

    # -*- coding:utf-8 -*-
    """ xgboost train demo """
    import xgboost as xgb
    import numpy as np
    def save_model(model):
        """ save model with pickle format """
        import pickle
        with open('output/clf.pickle', 'wb') as f:
            pickle.dump(model, f)
    def save_model_joblib(model):
        """ save model with joblib format """
        import joblib
        joblib.dump(model, 'output/clf.pkl')
    def main():
        """ main """
        rawData = np.array([[2, 4], [3, 4], [1, 2], [4, 5], [7, 8]])
        label = np.array([6, 7, 3, 9, 15])
        dtrain = xgb.DMatrix(rawData, label=label)
        deval = xgb.DMatrix(np.array([[3, 5], [3, 6]]), label=np.array([8, 9]))
        param = {'max_depth': 2, 'eta': 1, 'silent': 1, 'objective': 'reg:linear'}
        evallist = [(deval, 'eval'), (dtrain, 'train')]
        num_round = 10
        bst = xgb.train(param, dtrain, num_round, evallist)
        dtest = xgb.DMatrix(np.array([[2, 4], [7, 8]]))
        ypred = bst.predict(dtest)
        print(ypred)
        save_model_joblib(bst)
    if __name__ == '__main__':
        main()
    上一篇
    Sklearn 0.23.2
    下一篇
    TensorFlow 1.13.2