电费敏感数据分析: 构建低敏用户行为模型

阅读量：

电费敏感数据挖掘一: 数据处理与特征工程
电费敏感数据挖掘二: 文本特征构造

目录:

- 六. XGBoost模型的构建
  - - 6.1 特征数据的导入
    - 6.2 利用选定词汇生成tf-idf矩阵，完成模型输入数据的构造
    - 6.3 XGBoost模型的应用
  - 七. 最终预测结果的存储

六. 构建XGBoost模型

6.特征数据读取与处理

复制代码

    import pandas as pd
    import numpy as np
    import pickle
    from scipy.sparse import csc_matrix
    from sklearn.feature_extraction.text import TfidfVectorizer
    import xgboost as xgb
    from scipy.sparse import hstack
    
    df = pickle.load(open(r'..\电费\statistical_features_1.pkl', 'rb'))
    text = pickle.load(open(r'..\电费\text_features_1.p

全部评论 (0)

还没有任何评论哟~