百度智能云全功能AI开发平台BML自定义作业建模 - 训练作业代码示例（XGBoost 1.3.1）
文档简介：
XGBoost框架下，自定义作业支持发布保存模型为pickle和joblib格式，并且在发布至模型仓库时需要选择相应的模型文件。使用下面代码进行模型训练时，训练程序可以自行加载数据，训练数据选择空文件夹即可。
咨询热线：400-826-7010，为您提供专业的售前咨询，让您快速了解云产品，助您轻松上云！
微信咨询
免费试用、价格特惠
XGBoost
XGBoost框架下，自定义作业支持发布保存模型为pickle和joblib格式，并且在发布至模型仓库时需要选择相应的模型文件。使用下面代码进行模型训练时，训练程序可以自行加载数据，训练数据选择空文件夹即可。
pickle格式示例代码
# -*- coding:utf-8 -*- """ xgboost train demo """ import xgboost as
xgb import numpy as np def save_model(model): """ save model with pickle
format """ import pickle with open('output/clf.pickle', 'wb') as f: pickle.dump(model, f)
def save_model_joblib(model): """ save model with joblib format """ import joblib joblib.dump(model, 'output/clf.pkl') def main(): """ main """ rawData = np.array
([[2, 4], [3, 4], [1, 2], [4, 5], [7, 8]]) label = np.array([6, 7, 3, 9, 15])
dtrain = xgb.DMatrix(rawData, label=label) deval = xgb.DMatrix(np.array([[3, 5],
[3, 6]]), label=np.array([8, 9])) param = {'max_depth': 2, 'eta': 1, 'silent':
1, 'objective': 'reg:linear'} evallist = [(deval, 'eval'), (dtrain, 'train')]
num_round = 10 bst = xgb.train(param, dtrain, num_round, evallist) dtest =
xgb.DMatrix(np.array([[2, 4], [7, 8]])) ypred = bst.predict(dtest) print(ypred)
save_model_joblib(bst) if __name__ == '__main__': main()
