Question

我有一个名为df3的火车数据集。它是一个数据表。

我将其转换为稀疏矩阵，如下所示：

sparse_matrix9 = sparse.model.matrix(ind_cco_fin_ult1~canal_entrada + 
                                   nomprov +
                                   sexo +
                                   ind_empleado +
                                   indext + age + fark + ind_actividad_cliente  
                                 ,data = df3)

我用xgboost建模了它：

bst10_X <- xgboost(data = sparse_matrix9, label = output, max_depth = 15,
            eta = 0.03, nthread = 2, nrounds = 550,prediction=TRUE, eval_metric = "auc",objective = "binary:logistic")

#train-auc:0.881950+0.000475    test-auc:0.819496+0.001057

之后我想预测测试数据集。首先，我选择了我的变量并将它们作为数据框：

test4<-as.data.frame(
       test3$canal_entrada,
       test3$nomprov,
       test3$sexo,
       test3$ind_empleado,
       test3$indext,
       test3$age,
       test3$fark,
       test3$ind_actividad_cliente
  )

之后我想将它转换为稀疏矩阵：

sparse_matrix_test = xgb.DMatrix(data.matrix(test4))

预测测试数据集值：

res <- predict(bst10_X, newdata = sparse_matrix_test)

但它只给我一个独特的预测价值：

unique(res)
0.00113265

为什么它只给我一个值？我哪里错了？如何使用经过训练的模型预测测试数据？

谢谢..

Answer 1

如果您提供一个小型数据集来绘制测试和火车，那么它会有所帮助。您的问题可能在代码中，也可能在数据中。如果您首先使用一些非稀疏数据开发模型会发生什么。如果这个模型运行正常，那么你可能会得到一个线索。

预测错误Xgboost R.

1 个答案: