基于GBDT回归模型的案例

#1．读取数据
import numpy as np
import pandas as pd
df=pd.read_excel('信用评分卡模型.xlsx')
print(df.head())
#2．提取特征变量和目标变量
X=df.drop(columns='信用评分')
y=df['信用评分']
#3. 划分训练集和测试集
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=123)
#4．模型训练及搭建
from sklearn.ensemble import GradientBoostingRegressor
model=GradientBoostingRegressor()
model.fit(X_train,y_train)
#5．模型预测及评估
y_pred=model.predict(X_test)
#print(y_pred[0:10])
y_pred_new=np.round(y_pred,2)#保留两位有效数字可行
a=pd.DataFrame()
a['预测值']=list(y_pred_new)
a['实际值']=list(y_test)
print(a.head())

总结

在模型预测及评估中，输出的预测值有多位小数点。
转换为两位有效数字重点在于：

y_pred_new=np.round(y_pred,2)

之前试过用

print(round(y_pred[0:10],2))

有点异想天开，单个数字这样是可以的，但对于多维数组而言，是会报错的，如下：
TypeError: type numpy.ndarray doesn't define __round__ method

关键在于，先将列表转化为数组时用round（y_pred,2）取两位有效数字，再将数组转为列表。