Come posso eseguire la modellazione di machine learning utilizzando JMP18 Python Script?Ciao,
Sto lavorando alla creazione di un modello LightGBM utilizzando uno script JMP Python (JMP18).
La mia configurazione attuale è la seguente:
- Variabili X: file "train1.csv", colonne da D1 a D1776
- Variabile Y: file "y1.csv", colonna "Attività".
- Obiettivo della previsione "Attività": file "test1.csv", colonne da D1 a D1776
- Nota: file originale "train_original.csv", colonne Attività fino a D1776. da Kaggle.com ( Predire una risposta biologica)
Apprezzerei se qualcuno potesse fornire indicazioni per i seguenti problemi:
- Impossibile eseguire la modellazione LightGBM nell'ambiente Python JMP18
Di seguito ho incluso il mio script JMP Python come riferimento. Per i dettagli vedere quanto segue.
Grazie per il tuo tempo in anticipo! 
import jmp
import jmputils
# update to latest version of pip (Package Installer of python) and setuptools then install numpy & pandas
jmputils.jpip('install --upgrade', 'pip setuptools')
jmputils.jpip('install', 'pandas numpy scikit-learn keras lightgbm')
# Import package
import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
# Load data
train1 = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/train1.csv')
y1 = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/y1.csv')
test1 = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/test1.csv')
train1.head() # No Result in JMP, but it's okay. It's fine to open the datatable using 'jmp.open'
y1.head() # No Result in JMP, but it's okay. It's fine to open the datatable using 'jmp.open'
# train1 = jmp.open('D:/steve.kim/Kaggle/BI Biological Response/train1.csv')
# y1 = jmp.open('D:/steve.kim/Kaggle/BI Biological Response/y1.csv')
# 01 Modeling training - Library import
from lightgbm import LGBMClassifier
# 02 Modeling training - LGBM Baseline model without hyperparameter tuning
lgb = LGBMClassifier()
# 03 Modeling training - define X (factors) and Y (responses) variables
lgb.fit(train1, y1) # lightgbm.basic.LightGBMError: Length of labels differs from the length of #data
# 04 Predict
predslgb = lgb.predict_proba(test1)
Modellazione predittiva e machine learningRi: Come posso eseguire il Machine Learning Modeling (LGBM) utilizzando JMP18 Python Script?Oh... Il codice "head()" funziona bene dopo averlo considerato un ambiente terminale e non il notebook Jupyter!
y1 = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/y1.csv')
print(y1.head()) quindi posso ottenere il risultato del codice dal log incorporato!
Quindi penso di poter risolvere anche il resto delle cose.
Activity
0 1
1 1
2 1
3 1
4 1
Ri: Come posso eseguire la modellazione di machine learning utilizzando lo script Python JMP18?
Scusa per questa domanda!
I panda Python e lightGBM funzionano bene nello script Python JMP18!
import jmp
import jmputils
# update to latest version of pip (Package Installer of python) and setuptools then install numpy & pandas
jmputils.jpip('install --upgrade', 'pip setuptools')
jmputils.jpip('install', 'pandas numpy scikit-learn keras lightgbm')
# Checking package version
jmputils.jpip('list')
# Import package
import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv)
# Any results you write to the current directory are saved as output.
import os
print (os.listdir("D:/steve.kim/Kaggle/BI Biological Response"))
# Load data
train_x = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/train_x.csv')
print(train_x.head())
train_y = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/train_y.csv')
print(train_y.head())
test_x = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/test_x.csv')
print(test_x)
# Modeling
from lightgbm import LGBMClassifier
lgb = LGBMClassifier(colsample_bytree=0.6, subsample=0.8)
lgb.fit(train_x, train_y)
preds_lgb = lgb.predict_proba(test_x)
sub_lgb = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/test_y.csv')
sub_lgb["Activity"] = preds_lgb[:,1]
print(sub_lgb.head())
test_answer = pd.read_csv('D:/steve.kim/Kaggle/BI Biological Response/test_answer.csv')
# Evaluation
from sklearn.metrics import mean_absolute_error, mean_squared_error, mean_absolute_percentage_error
print('LightGBM MAE')
print(mean_absolute_error(test_answer, sub_lgb))
print('LightGBM MSE')
print(mean_squared_error(test_answer, sub_lgb))
