基于LightGBM的饭店流量分析（模型构建与预测）

阅读量：

接续前文内容：
<LightGBM预测饭店流量1: 数据处理>

LIghtGBM模型构建

model_selection.KFold()
K折交叉验证是一种数据划分方法，其核心在于将原始的训练与测试数据集分割为n_splits个互不重叠的子集。在每次迭代过程中，选取其中一个子集作为验证集，其余n_splits-1个子集则共同构成训练集。通过重复这一过程n_splits次，最终可获得n_splits组独立的训练与测试结果。

复制代码

    import numpy as np
    import pandas as pd
    import lightgbm as lgbm
    from sklearn import metrics
    from sklearn import model_selection
    
    np.random.seed(42)
    
    model = lgbm.LGBMRegressor(objective='regression', max_depth=5, num_leaves=25, learning_rate=0.007,
    						  n_estimators=1000, min_child_samples=80, subsample=0.8, colsample_bytr

全部评论 (0)

还没有任何评论哟~