## 基于梯度提升树(GBDT)的玩家排名预测
使用[**LightGBM**](https://lightgbm.readthedocs.io/en/latest/index.html)对《绝地求生:大逃杀》玩家的最终百分比排名进行预测。
代码 [code.py](https://github.com/yang-zhou-x/assignments/blob/master/lightgbm_regression/code.py) 包含两个部分:
(1)特征工程;
(2)模型。
详细内容及说明见代码注释。
**LightGBM** 是一个实现 GBDT 算法的框架,由微软 DMTK(分布式机器学习工具包)团队在 GitHub 上开源,具有以下优点:
(1)更快的训练速度
(2)更低的内存消耗
(3)更好的准确率
(4)分布式支持,可以快速处理海量数据
与基于预排序(pre-sorted)决策树算法的 GBDT 工具相比,LightGBM 使用基于直方图(histogram)的算法。在分割增益的复杂度方面,histogram 算法只需要计算 O(#bins)次, 远少于 pre-sorted 算法的 O(#data),并且可以通过直方图的相减来进行进一步的加速。
原始特征的相关图:
![](https://www.writebug.com/myres/static/uploads/2022/1/2/c4ae498fb44311ac619887290c482c16.writebug)
不同赛制的玩家数量:
![](https://www.writebug.com/myres/static/uploads/2022/1/2/c1740bfa3b095ec75c6c04e235dd230b.writebug)
特征的重要性排名:
![](https://www.writebug.com/myres/static/uploads/2022/1/2/31cfbef3eec9f70b640c268020fbc49e.writebug)
## 数据来源
约 445 万条记录,包含近 30 个特征。
来自于 PUBG 的官方公开数据 [https://www.kaggle.com/c/pubg-finish-placement-prediction](https://www.kaggle.com/c/pubg-finish-placement-prediction)
## 环境配置
macOS 10.13.6
gcc 8.2.0
cmake 3.13.4
libomp 7.0.0
lightgbm 2.2.3
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
使用LightGBM对《绝地求生:大逃杀》玩家的最终百分比排名进行预测。 代码 code.py 包含两个部分: (1)特征工程; (2)模型。 详细内容及说明见代码注释。 LightGBM 是一个实现 GBDT 算法的框架,由微软 DMTK(分布式机器学习工具包)团队在 GitHub 上开源,具有以下优点: (1)更快的训练速度 (2)更低的内存消耗 (3)更好的准确率 (4)分布式支持,可以快速处理海量数据 与基于预排序(pre-sorted)决策树算法的 GBDT 工具相比,LightGBM 使用基于直方图(histogram)的算法。在分割增益的复杂度方面,histogram 算法只需要计算 O(#bins)次, 远少于 pre-sorted 算法的 O(#data),并且可以通过直方图的相减来进行进一步的加速。
资源推荐
资源详情
资源评论
收起资源包目录
100012269-基于python梯度提升树(GBDT)的玩家排名预测.zip (3个子文件)
regression_lightgbm
LICENSE 1KB
code.py 6KB
README.md 2KB
共 3 条
- 1
资源评论
- m0_749939042023-10-25简直是宝藏资源,实用价值很高,支持!
神仙别闹
- 粉丝: 2674
- 资源: 7640
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