Question

我正在尝试使用梯度增强模型来预测幻想足球的未来得分-目前仅查看前两轮比赛。当前，如果期望球员得分超过6分，则模型将返回“ 1”，否则返回“ 0”，表明该球员是否将是一个不错的队长选择。

在我的原始表中，我有球员姓名和回合信息以提供上下文信息，但是在训练算法时将其删除。我的问题是，一旦模型做出预测，我该如何结合玩家名称显示该预测，例如：

PlayerA-队长预测= 1

等

y = ds.isCaptain
GB_table = ds.drop(['Player', 'Round', 'isCaptain', 'Points'], axis=1)

X_train, X_test, y_train, y_test = train_test_split(GB_table, y, test_size=0.2)

baseline = GradientBoostingClassifier(learning_rate=0.01,n_estimators=1500,max_depth=4, min_samples_split=40, min_samples_leaf=7,max_features=4 , subsample=0.95, random_state=10)

baseline.fit(X_train,y_train)
predictors=list(X_train)
feat_imp = pd.Series(baseline.feature_importances_, predictors).sort_values(ascending=False)
feat_imp.plot(kind='bar', title='Importance of Features')
plt.ylabel('Feature Importance Score')

print('Accuracy of GBM on test set: {:.3f}'.format(baseline.score(X_test, y_test)))
pred=baseline.predict(X_test)
print(classification_report(y_test, pred))

上面显示了我的预测结果，但是不幸的是，由于我从GB_table中删除了玩家的姓名和回合信息，因此我再也无法从谁/哪个回合中进行预测。

Answer 1

我假设您正在使用pandas DataFrames，在这种情况下，它非常简单。

X_train和X_test数据框中的索引号将与原始“ ds”数据框中的索引相对应。

尝试：

pred = baseline.predict(X_test)
pred_original_data = ds.iloc[X_test.index]
pred_original_data['prediction'] = pred

Answer 2

您可以将播放器列和其他字段放在train_test_split之后。

这是我的建议

y = ds.isCaptain

X_train, X_test, y_train, y_test = train_test_split(ds, y, test_size=0.2)

baseline = GradientBoostingClassifier(learning_rate=0.01, n_estimators=1500,max_depth=4, min_samples_split=40, min_samples_leaf=7,max_features=4 , subsample=0.95, random_state=10)


baseline.fit(X_train.drop(['Player', 'Round', 'isCaptain', 'Points'], axis=1),y_train)

X_test_input = X_test.drop(['Player', 'Round', 'isCaptain', 'Points']
score = baseline.score(X_test_input, y_test))
print('Accuracy of GBM on test set: {:.3f}'.format(score)
X_test['prediction'] = baseline.predict(X_test_input)
print(classification_report(y_test, X_test['prediction']))

SciKit梯度增强-如何将预测与初始表结合？

2 个答案: