没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
3页
kaggle竞赛宝典,机器学习,人工智能咨询,kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询kaggle竞赛宝典,机器学习,人工智能咨询
资源推荐
资源详情
资源评论
XGBoost如何用2GB内存训练100GB的数据!
class IterLoadForDMatrix(xgb.core.DataIter):
def __init__(self, df=None, features=None, target=None, batch_size=256*1
024):
self.features = features
self.target = target
self.df = df
self.batch_size = batch_size
self.batches = int( np.ceil( len(df) / self.batch_size ) )
self.it = 0 # set iterator to 0
super().__init__()
def reset(self):
'''Reset the iterator'''
self.it = 0
def next(self, input_data):
'''Yield next batch of data.'''
if self.it == self.batches:
return 0 # Return 0 when there's no more batch.
a = self.it * self.batch_size
b = min( (self.it + 1) * self.batch_size, len(self.df) )
dt = pd.DataFrame(self.df.iloc[a:b])
input_data(data=dt[self.features], label=dt[self.target]) #, weight=
dt['weight'])
self.it += 1
return 1
调用方法(此种方式比较适合GPU训练):
Xy_train = IterLoadForDMatrix(train.loc[train_idx], FEATURES, 'target')
dtrain = xgb.DeviceQuantileDMatrix(Xy_train, max_bin=256)
参考文档:
资源评论
毕业小助手
- 粉丝: 1987
- 资源: 1712
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功