Datawhale AI夏令营 task2笔记

最新推荐文章于 2025-08-22 13:41:20 发布

原创

最新推荐文章于 2025-08-22 13:41:20 发布 · 1k 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能

本任务为使用进阶的机器学习模型lightgbm解决本次问题，以达到更好的预测效果。

涉及的概念

随着大数据时代的到来，机器学习算法在处理海量数据、解决复杂问题上展现出巨大潜力。

其中，梯度提升决策树（Gradient Boosting Decision Trees, GBDT）作为一种集成学习方法，因其卓越的预测性能和泛化能力在诸多领域得到广泛应用。

然而，传统的GBDT算法在处理大规模数据、高维度特征时，往往面临训练效率低下、内存占用过大等问题。为应对这些挑战，微软亚洲研究院于2017年推出LightGBM（Light Gradient Boosting Machine），以其独特的设计和高效的实现，迅速成为业界广受欢迎的GBDT框架。

本次任务也将运用LightGBM来解决问题

1.配置LightGBM环境

!pip install lightgbm==3.3.0

2.导入库

import numpy as np
import pandas as pd
import lightgbm as lgb
from sklearn.metrics import mean_squared_log_error, mean_absolute_error, mean_squared_error
import tqdm
import sys
import os
import gc
import argparse
import warnings
warnings.filterwarnings('ignore')

NumPy :