xgboost to rank训练

首先拿到的数据为样本id 特征数据 以及 样本id 和对应的label两个文档
先把libsvm的特征处理成xgboost能够使用的格式,并按8:1:1的比例将数据分成训练集、验证集以及测试集。

#train id:0-42622
#valid id:42623-47957
#test id:47958-53285
def transdata(feature_file_path,group_file_path,out_feature_path_train,out_feature_path_vaild,out_feature_path_test):
    output_feature_train = open(out_feature_path_train,"w")
    output_feature_valid = open(out_feature_path_vaild, "w")
    output_feature_test = open(out_feature_path_test, "w")
    with open (feature_file_path) as features, open(group_file_path) as groups:
        for x,y in zip(features,groups):
            splits_x = x.strip().split("    ")
            splits_y = y.strip().split("    ")
            if int(splits_x[0])<42623:
                output_feature_train.write(splits_y[0]+" "+splits_x[1]+"\n")
            if int(splits_x[0])>42622 and int(splits_x[0])<47958:
                output_feature_valid.write(splits_y[0]+" "+splits_x[1]+"\n")
            if int(splits_x[0])>47957:
                output_feature_test.write(splits_y[0]+" "+splits_x[1]+"\n")
    output_feature_train.close()
    output_feature_valid.close()
    output_feature_test.close()

if __name__ =="__main__":
    transdata("topic_features.txt","gt.txt","libsvm_format.train.txt","libsvm_format.valid.txt","libsvm_format.test.txt")

对label进行分组

#train id:0-42622
#valid id:42623-47957
#test id:47958-53285
def transdata(group_file_path,out_feature_path_train,out_feature_path_vaild,out_feature_path_test):
    output_feature_train = open(out_feature_path_train,"w")
    output_feature_valid = open(out_feature_path_vaild, "w")
    output_feature_test = open(out_feature_path_test, "w")
    groups = open(group_file_path)
    for line in groups:
        if not line:
            break
        splits_x = line.strip().split(" ")
        if int(splits_x[1]) < 42623:
            output_feature_train.write(line)
        if int(splits_x[1]) > 42622 and int(splits_x[0]) < 47958:
            output_feature_valid.write(line)
        if int(splits_x[1]) > 47957:
            output_feature_test.write(line)

    output_feature_train.close()
    output_feature_valid.close()
    output_feature_test.close()

if __name__ =="__main__":
    transdata("gt.txt","gt.train.txt","gt.valid.txt","gt.test.txt")

随即根据qid对数据进行分组,生成.group文件

#train id:0-42622
#valid id:42623-47957
#test id:47958-53285
def transgroup(group_file_path,save_path):
   group_output = open(save_path,"w")
   group_file = open(group_file_path)
   group = ""
   group_data = []
   for line in group_file:
       if not line:
           break
       splits = line.strip().split("   ")
       if splits[2]!=group:
           group_output.write(str(len(group_data))+"\n")
           group_data = []
       group = splits[2]
       group_data.append(splits[0])

   group_output.write(str(len(group_data)) + "\n")
   group_output.close()
   group_file.close()
if __name__ =="__main__":
   transgroup("gt.test.txt","group.test.txt")
objective参数的解释
`rank:pairwise`: Use LambdaMART to perform pairwise ranking where the pairwise loss is minimized
`rank:ndcg`: Use LambdaMART to perform list-wise ranking where [Normalized Discounted Cumulative Gain (NDCG)](http://en.wikipedia.org/wiki/NDCG) is maximized

数据处理完成后,送入xgboost进行训练

#!/usr/bin/python
import xgboost as xgb
from xgboost import DMatrix
from sklearn.datasets import load_svmlight_file

#  This script demonstrate how to do ranking with xgboost.train
x_train, y_train = load_svmlight_file("libsvm_format.train.txt")
x_valid, y_valid = load_svmlight_file("libsvm_format.valid.txt")
x_test, y_test = load_svmlight_file("libsvm_format.test.txt")

group_train = []
with open("group.train.txt", "r") as f:
   data = f.readlines()
   for line in data:
       group_train.append(int(line.split("\n")[0]))

group_valid = []
with open("group.valid.txt", "r") as f:
   data = f.readlines()
   for line in data:
       group_valid.append(int(line.split("\n")[0]))

group_test = []
with open("group.test.txt", "r") as f:
   data = f.readlines()
   for line in data:
       group_test.append(int(line.split("\n")[0]))

train_dmatrix = DMatrix(x_train, y_train)
valid_dmatrix = DMatrix(x_valid, y_valid)
test_dmatrix = DMatrix(x_test)

train_dmatrix.set_group(group_train)
valid_dmatrix.set_group(group_valid)

params = {'objective': 'rank:pairwise', 'eta': 0.1, 'gamma': 1.0,
         'min_child_weight': 0.1, 'max_depth': 6}
xgb_model = xgb.train(params, train_dmatrix, num_boost_round=4,
                     evals=[(valid_dmatrix, 'validation')])
pred = xgb_model.predict(test_dmatrix)

参考代码1:https://www.jianshu.com/p/9caef967ec0a

参考代码2: https://github.com/dmlc/xgboost/blob/master/demo/rank/rank.py

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,734评论 6 505
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,931评论 3 394
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,133评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,532评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,585评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,462评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,262评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,153评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,587评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,792评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,919评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,635评论 5 345
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,237评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,855评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,983评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,048评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,864评论 2 354