0
我有一个名为df3的火车数据集。它是一个数据表。预测误差Xgboost R
我将其转换为稀疏矩阵如下:
sparse_matrix9 = sparse.model.matrix(ind_cco_fin_ult1~canal_entrada +
nomprov +
sexo +
ind_empleado +
indext + age + fark + ind_actividad_cliente
,data = df3)
和我一起xgboost仿照它:
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,我想预测的测试数据集。 首先我chosed我的变量,并使其成为数据帧:
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,我想将其转换为稀疏矩阵:
sparse_matrix_test = xgb.DMatrix(data.matrix(test4))
和预测的测试数据集值:
res <- predict(bst10_X, newdata = sparse_matrix_test)
但它给我的预测只有一个独特的价值:
unique(res)
0.00113265
为什么它只给我一个价值?我错在哪里?如何使用训练好的模型预测测试数据集?
谢谢。