PandasデータフレームからDMatrix

xgboostをscikit learnで実行しようとしています。そして、私はパンダを使用してデータをデータフレームにロードします。xgboostでpandas dfを使用する方法 xgboostアルゴを実行するために必要なDMatrixルーチンに混乱しています。

.values必要に応じて列を操作したら、データフレームのメソッドを使用して生データにアクセスできます。

例えば

train = pd.read_csv("train.csv")
target = train['target']
train = train.drop(['ID','target'],axis=1)
test = pd.read_csv("test.csv")
test = test.drop(['ID'],axis=1)

xgtrain = xgb.DMatrix(train.values, target.values)
xgtest = xgb.DMatrix(test.values)

明らかに、ドロップまたはトレーニングターゲットとして使用する列を変更する必要がある場合があります。上記はKaggleコンペティションに関するものでしたので、対象となるデータはありませんでしたxgtest（オーガナイザーによって保留されています）。

pandas_mlXGBoostをサポートするライブラリがいくつかあるという朗報がいくつかあります。これはおそらくワークフローを単純化するでしょう。

http://pandas-ml.readthedocs.io/en/latest/xgboost.html

XGBoostでPandas DataFramesを直接使用できるようになりました。間違いなくxgboost 0.81で動作します。

たとえば、X_train、X_val、y_train、y_valがDataFrameである場合：

import xgboost as xgb

mod = xgb.XGBRegressor(
    gamma=1,                 
    learning_rate=0.01,
    max_depth=3,
    n_estimators=10000,                                                                    
    subsample=0.8,
    random_state=34
) 

mod.fit(X_train, y_train)
predictions = mod.predict(X_val)
rmse = sqrt(mean_squared_error(y_val, predictions))
print("score: {0:,.0f}".format(rmse))