在學(xué)習(xí)xg的 時候，想畫學(xué)習(xí)曲線，但無奈沒有沒有這個 evals_result_

AttributeError: ’Booster’ object has no attribute ’evals_result_’

因為不是用的分類器或者回歸器，而且是使用的train而不是fit進(jìn)行訓(xùn)練的，看過源碼fit才有evals_result_這個，導(dǎo)致訓(xùn)練后沒有這個，但是又想獲取學(xué)習(xí)曲線，因此肯定還需要獲取訓(xùn)練數(shù)據(jù)。

運(yùn)行的結(jié)果 上面有數(shù)據(jù)，于是就想自己解析屏幕的數(shù)據(jù)試一下，屏幕可以看到有我們迭代過程的數(shù)據(jù)，因此想直接獲取屏幕上的數(shù)據(jù)，思維比較low但是簡單粗暴。

接下來分兩步完成：

1) 獲取屏幕數(shù)據(jù)

import subprocessimport pandas as pdtop_info = subprocess.Popen(['python', 'main.py'], stdout=subprocess.PIPE)out, err = top_info.communicate()out_info = out.decode(’unicode-escape’)lines=out_info.split(’n’)

注：這里的main.py就是自己之前執(zhí)行的python文件

2) 解析文件數(shù)據(jù):

ln=0lst=dict()for line in lines: if line.strip().startswith(’[{}] train-auc:’.format(ln)): if ln not in lst.keys(): lst.setdefault(ln, {}) tmp = line.split(’t’) t1=tmp[1].split(’:’) t2=tmp[2].split(’:’) if str(t1[0]) not in lst[ln].keys(): lst[ln].setdefault(str(t1[0]), 0) if str(t2[0]) not in lst[ln].keys(): lst[ln].setdefault(str(t2[0]), 0) lst[ln][str(t1[0])]=t1[1] lst[ln][str(t2[0])]=t2[1] ln+=1json_df=pd.DataFrame(pd.DataFrame(lst).values.T, index=pd.DataFrame(lst).columns, columns=pd.DataFrame(lst).index).reset_index()json_df.columns=[’numIter’,’eval-auc’,’train-auc’]print(json_df)

整體代碼：

import subprocessimport pandas as pdtop_info = subprocess.Popen(['python', 'main.py'], stdout=subprocess.PIPE)out, err = top_info.communicate()out_info = out.decode(’unicode-escape’)lines=out_info.split(’n’) ln=0lst=dict()for line in lines: if line.strip().startswith(’[{}] train-auc:’.format(ln)):if ln not in lst.keys(): lst.setdefault(ln, {})tmp = line.split(’t’)t1=tmp[1].split(’:’)t2=tmp[2].split(’:’)if str(t1[0]) not in lst[ln].keys(): lst[ln].setdefault(str(t1[0]), 0)if str(t2[0]) not in lst[ln].keys(): lst[ln].setdefault(str(t2[0]), 0)lst[ln][str(t1[0])]=t1[1]lst[ln][str(t2[0])]=t2[1]ln+=1json_df=pd.DataFrame(pd.DataFrame(lst).values.T, index=pd.DataFrame(lst).columns, columns=pd.DataFrame(lst).index).reset_index()json_df.columns=[’numIter’,’eval-auc’,’train-auc’]print(json_df)

看下效果：

以上這篇獲取python運(yùn)行輸出的數(shù)據(jù)并解析存為dataFrame實例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持好吧啦網(wǎng)。