用帝国cms做企业网站版权,统一企业执照信息管理系统,上海网络营销广告单位,做网站商城互联网公司分子AI预测赛Task1笔记
实践步骤#xff1a;跑通baseline → 尝试个人idea→尝试进阶baseline
一、跑通baseline
1、应当先下载数据库
下载相应的数据库
!pip install lightgbm openpyxl2、训练模型并预测结果
首先要导入相应的库和方法类#xff0c;如pandas等
# 1. …分子AI预测赛Task1笔记
实践步骤跑通baseline → 尝试个人idea→尝试进阶baseline
一、跑通baseline
1、应当先下载数据库
下载相应的数据库
!pip install lightgbm openpyxl2、训练模型并预测结果
首先要导入相应的库和方法类如pandas等
# 1. 导入需要用到的相关库
# 导入 pandas 库用于数据处理和分析
import pandas as pd
# 导入 numpy 库用于科学计算和多维数组操作
import numpy as np
# 从 lightgbm 模块中导入 LGBMClassifier 类
from lightgbm import LGBMClassifier
之后进行读取训练集和测试集 #2. 读取训练集和测试集
# 使用 read_excel() 函数从文件中读取训练集数据文件名为 traindata-new.xlsx
train pd.read_excel(./data/data280993/traindata-new.xlsx)
# 使用 read_excel() 函数从文件中读取测试集数据文件名为 testdata-new.xlsx
test pd.read_excel(./data/data280993/testdata-new.xlsx)然后进行特征处理将数据整理
# 3 特征工程
# 3.1 test数据不包含 DC50 (nM) 和 Dmax (%)将train数据中的DC50 (nM) 和 Dmax (%)删除
train train.drop([DC50 (nM), Dmax (%)], axis1)# 3.2 将object类型的数据进行目标编码处理
for col in train.columns[2:]:if train[col].dtype object or test[col].dtype object:train[col] train[col].isnull()test[col] test[col].isnull()
再然后加载决策树 4. 加载决策树模型进行训练
model LGBMClassifier(verbosity-1)
model.fit(train.iloc[:, 2:].values, train[Label])
pred model.predict(test.iloc[:, 1:].values, )最后保存结果
# 5. 保存结果文件到本地
pd.DataFrame({uuid: test[uuid],Label: pred}
).to_csv(submit.csv, indexNone)3、导出结果
将结果下载下来上传到赛题
二、构思idea改进baseline
在数据上可以对数据进行进一步的清洗剔除异常值将数据进行多折交叉验证增加数据的数量使用模型预测构建
在算法上 可以采用一些效果更好的算法比如 XGBoost。采用 网格搜索法、 flaml等寻参工具对参数进行优化调整。三、封存思想精华个人感悟学习记录都ok
通过学习真切感受到AI的神奇参与分子AI预测测试题是一次非常有价值的体验。它不仅让我对分子科学和AI技术有了更深入的了解还激发了我对未来科研的无限憧憬。
