【源码】基于Python和LightGBM的深度学习课程设计

项目简介

本项目是基于Python语言的深度学习课程设计，借助LightGBM梯度增强框架，对给定数据集依次进行预处理、特征筛选、数据可视化以及模型训练，最终生成预测结果文件，适合机器学习算法初学者学习实践。

项目的主要特性和功能

1. 数据处理与初步分析

• 读取指定路径的训练数据和答案数据。
• 初步分析数据，包含打印数据头部信息、形状及特征唯一值数量统计。
• 用热图展示答案数据的相关性。

2. 特征筛选与处理

• 统计各特征唯一值数量，筛选特征。
• 对筛选特征分组统计并生成柱状图。
• 删除筛选特征用于后续模型训练。

3. 数据可视化

• 展示训练数据特定特征分布，拟合正态分布了解分布情况。
• 绘制偏度和峰度图检测异常值。
• 绘制特征间相关性热图。
• 展示特定特征的值计数和比例分布。

4. 模型训练

• 用LightGBM进行K折交叉验证模型训练。
• 保存每次训练的预测结果和特征重要性等信息。
• 合并多次预测结果并保存为提交文件。
• 用自定义评价函数smape计算预测误差。

安装使用步骤

1. 安装所需库

确保已安装numpy、pandas、matplotlib、seaborn、scipy、lightgbm、tqdm等库，可使用pip或conda等工具安装。

2. 准备源码

下载并解压项目源码文件。

3. 运行项目

运行main.py文件即可开始数据处理、模型训练等流程。默认从"candidate_train.csv"读取训练数据，从"train_answer.csv"读取答案数据，输出的预测结果会保存在指定路径。可按需修改具体路径和文件名，运行中可调整参数（如K折交叉验证的折数）优化模型性能。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】