Python 如何使用准确度评分（或其他建议的函数）测量xgboost回归器的准确度

我正在编写一个代码来解决一个简单的问题，即预测库存中物品丢失的概率

我正在使用XGBoost预测模型来实现这一点

我将数据分为两个.csv文件，一个包含列车数据，另一个包含测试数据

代码如下：

    import pandas as pd
    import numpy as np


    train = pd.read_csv('C:/Users/pedro/Documents/Pedro/UFMG/8o periodo/Python/Trabalho Final/train.csv', index_col='sku').fillna(-1)
    test = pd.read_csv('C:/Users/pedro/Documents/Pedro/UFMG/8o periodo/Python/Trabalho Final/test.csv', index_col='sku').fillna(-1)


    X_train, y_train = train.drop('isBackorder', axis=1), train['isBackorder']

    import xgboost as xgb
    xg_reg = xgb.XGBRegressor(objective ='reg:linear', colsample_bytree = 0.3, learning_rate = 0.1,
                    max_depth = 10, alpha = 10, n_estimators = 10)
    xg_reg.fit(X_train,y_train)


    y_pred = xg_reg.predict(test)

    # Create file for the competition submission
    test['isBackorder'] = y_pred
    pred = test['isBackorder'].reset_index()
    pred.to_csv('competitionsubmission.csv',index=False)

这里是我尝试测量问题准确性的函数（使用RMSE和accuracy_scores函数并进行KFold交叉验证

#RMSE
from sklearn.metrics import mean_squared_error

rmse = np.sqrt(mean_squared_error(y_train, y_pred))
print("RMSE: %f" % (rmse))


#Accuracy
from sklearn.metrics import accuracy_score

# make predictions for test data
predictions = [round(value) for value in y_pred]

# evaluate predictions
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: %.2f%%" % (accuracy * 100.0))


#KFold
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score

# CV model
kfold = KFold(n_splits=10, random_state=7)
results = cross_val_score(xg_reg, X_train, y_train, cv=kfold)
print("Accuracy: %.2f%% (%.2f%%)" % (results.mean()*100, results.std()*100))

但是我有一些问题

上述精度测试均无效

使用RMSE功能和精度功能时，出现以下错误： ValueError:找到样本数不一致的输入变量：[1350955578982]

我猜我使用的列车和测试数据分割结构是不正确的

因为我没有y_测试（并且我不知道如何在我的问题中创建它），所以我不能在函数的上述参数中使用它

K折叠验证也不起作用

---

有人能帮我吗？

你唯一的问题是你需要验证数据。你不能测量

预测（x\u测试）之间的准确性

和不存在的

y\u测试

。使用

sklearn.model\u selection.train\u test\u split

根据训练数据创建验证集。您将拥有一个训练集、验证集和测试集。您可以在验证集上评估模型的性能

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(x, y)

其他备注：

准确度在这里毫无意义，因为你试图预测连续值。只对分类变量使用准确度

至少，这可以起到以下作用：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
import xgboost as xgb
from sklearn.metrics import mean_squared_error
from sklearn.model_selection import KFold
from sklearn.model_selection import cross_val_score

train = pd.read_csv('C:/Users/pedro/Documents/Pedro/UFMG/8o periodo/Python/Trabalho Final/train.csv', index_col='sku').fillna(-1)
test_data = pd.read_csv('C:/Users/pedro/Documents/Pedro/UFMG/8o '
                    'periodo/Python/Trabalho Final/test.csv', index_col='sku').fillna(-1)

x, y = train.drop('isBackorder', axis=1), train['isBackorder']
X_train, X_test, y_train, y_test = train_test_split(x, y)

xg_reg = xgb.XGBRegressor(objective ='reg:linear', colsample_bytree = 0.3, learning_rate = 0.1,
                max_depth = 10, alpha = 10, n_estimators = 10)

xg_reg.fit(X_train,y_train)

kfold = KFold(n_splits=10, random_state=7)
results = cross_val_score(xg_reg, X_train, y_train, cv=kfold)
y_test_pred = xg_reg.predict(X_test)

mse = mean_squared_error(y_test_pred, y_test)

y_pred = xg_reg.predict(X_test)

pd.DataFrame(y_pred).to_csv('competitionsubmission.csv',index=False)

---

你好，Nicolas，谢谢你的回答。我尝试过使用train_test_split函数，但没有成功。我想我没有正确使用它。我不知道如何将我的训练集分离为变量X和Y，以便在train_test_split函数中使用它们。你能解释一下正确的方法吗？以及其他问题。因为准确性会影响对连续值没有意义，测量模型效率的最佳方法是什么？你建议我使用哪个函数？请参阅我的编辑。这就是我所能做的。它应该可以工作。如果不工作，错误将很小。工作！非常感谢Nicolas！真的帮助了我！嗨，你能再解释一下吗？你使用cross_val_分数生成“结果”（）但之后不会再次使用结果。cross_val_score是否会修改xg_reg对象？