a3电子报在什么网站做,全球建站,建筑网站翻译编辑,着陆页制作网站#AI夏令营 #Datawhale #夏令营 Taks1 跑通baseline
根据task1跑通baseline
注册账号
直接注册或登录百度账号#xff0c;etc
fork 项目
零基础入门 Ai 数据挖掘竞赛-速通 Baseline - 飞桨AI Studio星河社区
启动项目 选择运行环境#xff0c;并点击确定#xff0c;没… #AI夏令营 #Datawhale #夏令营 Taks1 跑通baseline
根据task1跑通baseline
注册账号
直接注册或登录百度账号etc
fork 项目
零基础入门 Ai 数据挖掘竞赛-速通 Baseline - 飞桨AI Studio星河社区
启动项目 选择运行环境并点击确定没有特殊要求就默认的基础版就可以了 等待片刻等待在线项目启动 运行项目代码 点击 运行全部Cell 程序运行完生成文件 submit.csv 这个文件就最终提交的文件。 Taks2 赛题深入解析 理解赛题了解机器学习竞赛通用流程 数据字段理解
Docs
对 Smiles、Assay (DC50/Dmax)、Assay (Protac to Target, IC50)、Assay (Cellular activities, IC5、Article DOI、InChI字段学习分析
预测目标
选手需要预测PROTACs的降解能力具体来说就是预测Label字段的值。
根据DC50和Dmax的值来判断降解能力的好坏如果DC50大于100nM且Dmax小于80%则Label为0如果DC50小于等于100nM或Dmax大于等于80%则Label为1。
零基础入门AI(机器学习)竞赛 - 飞书云文档 https://datawhaler.feishu.cn/wiki/Ue7swBbiJiBhsdk5SupcqfL7nLX
Docs
Task3初步调试参数 学习9群助教 【温酒相随】原创 九月助教编辑调整 首发于B站~ https://www.bilibili.com/read/cv35897986/?jump_opus1 导入库、训练集和测试集 # 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# 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/train.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/test.xlsx)
train查看数据类型
data train.info()data
部分数据的数据项比较少。可以筛掉减少拟合
# 筛选
train train.iloc[:,1:]
test test.iloc[:,1:]
# 行保留 列从第一个下标1开始
# train[lan].value_counts()# language 查看object类型的列表 # 查看object类型的列表
train.select_dtypes(include object).columns 缺失值查看 # 缺失值查看temp train.isnull().sum()temp[temp 0] 唯一值个数判断 # 唯一值个数判断
# fea train.columns
fea train.columns.tolist()
fea 输出唯一值 # 输出唯一值for f in fea:print(f,train[f].nunique());# nunique() 统计列中的唯一值 筛选 # 定义了一个空列表cols用于存储在测试数据集中非空值小于10个的列名。
cols []
for f in test.columns:if test[f].notnull().sum() 10:cols.append(f)
cols# 使用drop方法从训练集和测试集中删除了这些列以避免在后续的分析或建模中使用这些包含大量缺失值的列
train train.drop(cols, axis1)
test test.drop(cols, axis1)
# 使用pd.concat将清洗后的训练集和测试集合并成一个名为data的DataFrame便于进行统一的特征工程处理
data pd.concat([train, test], axis0, ignore_indexTrue)
newData data.columns[2:] 将SMILES转换为分子对象列表,并转换为SMILES字符串列表 data[smiles_list] data[Smiles].apply(lambda x:[Chem.MolToSmiles(mol, isomericSmilesTrue) for mol in [Chem.MolFromSmiles(x)]])
data[smiles_list] data[smiles_list].map(lambda x: .join(x)) 用TfidfVectorizer计算TF-IDF tfidf TfidfVectorizer(max_df 0.9, min_df 1, sublinear_tf True)res tfidf.fit_transform(data[smiles_list]) 转为dataframe格式 # 将结果转为dataframe格式
tfidf_df pd.DataFrame(res.toarray())
tfidf_df.columns [fsmiles_tfidf_{i} for i in range(tfidf_df.shape[1])]
# 按列合并到data数据
data pd.concat([data, tfidf_df], axis1) 自然数编码 # 自然数编码
def label_encode(series):unique list(series.unique())return series.map(dict(zip(unique, range(series.nunique()))))
# 对每个类转换为其编码
for col in cols:if data[col].dtype object:data[col] label_encode(data[col]) 构建训练集和测试集 # 提取data中label行不为空的将其作为train的数据并更新索引
train data[data.Label.notnull()].reset_index(dropTrue)
# 提取data中label行为空的将其作为teat的数据并更新索引
test data[data.Label.isnull()].reset_index(dropTrue)
# 特征筛选
features [f for f in train.columns if f not in [uuid,Label,smiles_list]]
# 构建训练集和测试集
x_train train[features]
x_test test[features]
# 训练集标签
y_train train[Label].astype(int) 使用采用5折交叉验证KFold(n_splits5 def cv_model(clf, train_x, train_y, test_x, clf_name, seed2022):# 进行5折交叉验证kf KFold(n_splits5, shuffleTrue, random_stateseed)train np.zeros(train_x.shape[0])test np.zeros(test_x.shape[0])cv_scores []# 每一折数据采用训练索引和验证索引来分割训练集和验证集for i, (train_index, valid_index) in enumerate(kf.split(train_x, train_y)):print(************************************ {} {}************************************.format(str(i1), str(seed)))trn_x, trn_y, val_x, val_y train_x.iloc[train_index], train_y[train_index], train_x.iloc[valid_index], train_y[valid_index]# 配置CatBoost分类器的参数params {learning_rate: 0.05, depth: 8, l2_leaf_reg: 10, bootstrap_type:Bernoulli,random_seed:seed,od_type: Iter, od_wait: 100, random_seed: 11, allow_writing_files: False, task_type:CPU}# 使用CatBoost分类器训练模型model clf(iterations20000, **params, eval_metricAUC)model.fit(trn_x, trn_y, eval_set(val_x, val_y),metric_period100,cat_features[],use_best_modelTrue,verbose1)val_pred model.predict_proba(val_x)[:,1]test_pred model.predict_proba(test_x)[:,1]train[valid_index] val_predtest test_pred / kf.n_splitscv_scores.append(f1_score(val_y, np.where(val_pred0.5, 1, 0)))print(cv_scores)print(%s_score_list: % clf_name, cv_scores)print(%s_score_mean: % clf_name, np.mean(cv_scores))print(%s_score_std: % clf_name, np.std(cv_scores))return train, testcat_train, cat_test cv_model(CatBoostClassifier, x_train, y_train, x_test, cat)
这段代码是一个交叉验证模型的函数用于训练和评估分类器模型。具体来说它使用了CatBoost分类器在给定的训练数据集上进行了5折交叉验证并返回了训练集和测试集的预测结果。
函数中的参数包括
clf: 分类器模型的类对象这里是CatBoostClassifier。train_x, train_y: 训练数据的特征和标签。test_x: 测试数据的特征。clf_name: 分类器的名称用于输出结果。seed: 随机种子默认为2022。
函数的主要流程如下
创建了一个5折交叉验证器(KFold)。初始化了训练集和测试集的预测结果数组。在每一折循环中根据训练索引和验证索引分割训练集和验证集。配置CatBoost分类器的参数并使用训练集训练模型。对验证集和测试集进行预测并将预测结果加入到结果数组中。计算并保存每一折验证集的F1分数。输出每一折的F1分数列表、平均分数和标准差。返回训练集和测试集的预测结果。
通过调用这个函数可以得到CatBoost分类器在给定数据集上的交叉验证结果评估模型的性能以及获取训练集和测试集的预测结果。 输出结果 from datetime import datetimecurrent_time datetime.now() # 获取当前时间
formatted_time current_time.strftime(%Y-%m-%d %H:%M:%S) # 格式化时间# print(当前时间, current_time)
# print(格式化时间, formatted_time)
# 5. 保存结果文件到本地
pd.DataFrame({uuid: test[uuid],Label: pred}
).to_csv(formatted_time .csv, indexNone) 本地torch部分未用 这个夏令营不简单 #AI夏令营 #Datawhale #夏令营
