将xgboost二进制预测保存到提交csv文件

Posted 2021-04-20

我有'train.csv'和'test.csv'文件。前者包含'Id'，功能列表和带有值的'Status'列，'test.csv'文件包含除'Status'之外的相同列。

我的任务是在'train.csv'文件上训练XGboost模型并预测'test.csv'文件的'Status'的二进制结果，然后将'Id'和'Status'保存到单独的csv文件中以便提交。

我能够在'火车'文件上训练XGboost，并且roc_auc得分非常好（高于0.8）。我花了几个小时在互联网上搜索如何对“测试”文件进行预测并将它们保存到“提交”文件中。令我惊讶的是，尽管这是一项非常常见的任务，但我找不到任何能够可靠地执行上述操作的脚本。

我的'train.csv'文件的工作代码以防万一：

predict = pd.read_csv("train.csv")
predictors =['par48','par52','par75','par82','par84','par85','par86','par87','par89','par108','par109','par132','par156','par165','par167','par175','par190','par197']
X, y = predict[predictors], predict['Status']
X_train, X_test, y_train, y_test= train_test_split(X, y, test_size=0.2, random_state=123)
xg_cl=xgb.XGBClassifier(objective='binary:logistic',n_estimators=10,seed=123)
xg_cl.fit(X_train, y_train)
preds=xg_cl.predict(X_test)
accuracy = float(np.sum(preds==y_test))/y_test.shape[0]
print("accuracy: %f" % (accuracy))
print(xg_cl.feature_importances_)
print(roc_auc_score(y_test, xg_cl.predict_proba(X_test)[:,1]))

你有共享的工作代码吗？谢谢！

答案

好吧，model.predict代码以array格式返回预测结果，因此，首先您需要读取单独的test文件（如果存在），然后您可以使用您根据训练数据构建的模型来预测输出。最后，您可以将array的预测添加到您作为新列读取的pandas DataFrame中，然后将其写入csv文件：

#Separate test (evaluation) dataset that doesn't include the output
test_data = pd.read_csv('test.csv')
#Choose the same columns you trained the model with
X = test_data[predictors]  
test_data['predictions'] = xg_cl.predict(X)
test_data.to_csv('submission.csv')