研究文章
应用梯度提高机器学习算法来预测单轴抗压强度的软在塔尔煤田沉积岩
表5
执行一个catboost框架在python中使用catboost回归量。
|
| 描述 |
Python脚本 |
|
| 导入python包 |
从catboost进口CatBoostRegressor |
| 从sklearn。model_selection进口RepeatedKFold cross_val_score |
| 解释框架的属性 |
框架= CatBoostRegressor (verbose = 0, n_estimators = 100) |
| #的解释评价机制 |
| 简历= RepeatedKFold (n_splits = 10, n_repeats = 3, random_state = 1) |
| #框架评估 |
| n_scores = cross_val_score(框架、x_train UCS_train得分=“neg_mean_absolute_error”, |
| 简历=简历,n_jobs =−1, error_score =‘提高’) |
| #性能报告 |
| 打印(“美:%。8 f (% .8f) %(意思是(n_scores)、性病(n_scores))) |
| #适合训练数据集上的框架 |
| 框架= CatBoostRegressor (verbose = 0, n_estimators = 100) |
| 框架。fit (x, UCS) |
| 训练数据集 |
train_dataset_Forecasting = Framework.predict (x_train) |
| 测试数据集 |
test_dataset_Forecasting = Framework.predict (x_test) |
|
|
