MOMO's NLP_Lab

from datetime import datetime t = datetime.now().strftime('%Y-%m-%d-%H-%M') //파일이름에 작업시간넣기 filename = '{0}-submission.csv'.format(t) //파일이름 print(filename)// 파일 이름확인 2020-09-21-18-08-submission.csv //결과 sample_submission = pd.read_csv('https://bit.ly/fc-ml-byte-submission') // 파일위치 final_prediction = final_blend //예측결과 넣기 sample_submission['SalePrice'] = final_prediction //타겟값에 예측결과 넣기 sample_su..

import catboost as cb start = time.time() # 시작 시간 지정 cb_dtrain = cb.Pool(data = train_x, label = train_y) # 학습 데이터를 Catboost 모델에 맞게 변환 cb_param = {'max_depth': 10, # 트리 깊이 'learning_rate': 0.01, # Step Size 'n_estimators': 100, # Number of trees, 트리 생성 개수 'eval_metric': 'Accuracy', # 평가 척도 'loss_function': 'MultiClass'} # 손실 함수, 목적 함수 cb_model = cb.train(pool = cb_dtrain, params = cb_param) # 학습..

import lightgbm as lgb start = time.time() # 시작 시간 지정 lgb_dtrain = lgb.Dataset(data = train_x, label = train_y) # 학습 데이터를 LightGBM 모델에 맞게 변환 lgb_param = {'max_depth': 10, # 트리 깊이 'learning_rate': 0.01, # Step Size 'n_estimators': 100, # Number of trees, 트리 생성 개수 'objective': 'multiclass', # 목적 함수 'num_class': len(set(train_y)) + 1} # 파라미터 추가, # Label must be in [0, num_class) -> num_class보다 1 커야..

import xgboost as xgb import time start = time.time() # 시작 시간 지정 xgb_dtrain = xgb.DMatrix(data = train_x, label = train_y) # 학습 데이터를 XGBoost 모델에 맞게 변환 xgb_dtest = xgb.DMatrix(data = test_x) # 평가 데이터를 XGBoost 모델에 맞게 변환 xgb_param = {'max_depth': 10, # 트리 깊이 'learning_rate': 0.01, # Step Size 'n_estimators': 100, # Number of trees, 트리 생성 개수 'objective': 'multi:softmax', # 목적 함수 'num_class': len(set..