python数据预测模型算法_Python+GBDT算法实战——预测实现100%准确率

在本文中，你将学习到以下内容：

GBDT算法实现

模型保存

模型加载及预测

前言

GBDT属于Boosting算法，它是利用损失函数的负梯度方向在当前模型的值作为残差的近似值，进而拟合一棵CART回归树。GBDT的会累加所有树的结果，而这种累加是无法通过分类完成的，因此GBDT的树都是CART回归树，而不是分类树（尽管GBDT调整后也可以用于分类但不代表GBDT的树为分类树）。本文就是利用GBDT算法实现一个例子。

数据说明

新能源汽车充电桩的故障检测问题，提供85500条训练数据（标签：0代表充电桩正常，1代表充电桩有故障），参赛者需对36644条测试数据进行预测。

训练数据

数据文件：data_train.csv

字段说明：

测试数据

数据文件：data_test.csv

字段说明：

GBDT算法

导入所需库：

import pandas as pd

from sklearn.model_selection import train_test_split

from sklearn.ensemble import GradientBoostingClassifier

from sklearn.externals