def main():
sf = ss.Select(Sequence = True, Random = False, Cross = False) #初始化选择器，选择你需要的流程
sf.ImportDF(df,label = 'nextbuy') #导入数据集以及目标标签
sf.ImportLossFunction(score, direction = 'ascend') #导入评价函数以及优化方向
sf.InitialNonTrainableFeatures(['buy','nextbuy','o_date','a_date','PredictDays','user_id']) #初始化不能用的特征
sf.InitialFeatures(['age_x', 'sex_x', 'user_lv_cd_x', 'buycnt', 'daybeforelastbuy_o_ave']) #初始化其实特征组合
sf.GenerateCol() #生成特征库 （具体该函数变量请参考根目录下的readme）
sf.SetSample(1, samplemode = 1) #初始化抽样比例和随机过程
sf.SetTimeLimit(100) #设置算法运行最长时间，以分钟为单位
sf.clf = lgbm.LGBMRegressor(random_state=1, num_leaves =6, n_estimators=1000, max_depth=3, learning_rate = 0.2, n_jobs=8) #设定回归模型
sf.SetLogFile('record.log') #初始化日志文件
sf.run(validate) #输入检验函数并开始运行
def seq(df, f, notusable, clf):
sf = sequence_selection.Select(Sequence=True, Random=True,
Cross=True) #初始化选择器，选择你需要的流程
sf.ImportDF(df, label='buy') #导入数据集以及目标标签
sf.ImportLossFunction(score1, direction='ascend') #导入评价函数以及优化方向
#sf.ImportCrossMethod(CrossMethod)
sf.InitialNonTrainableFeatures(notusable) #初始化不能用的特征
sf.InitialFeatures(f)
sf.GenerateCol() #生成特征库 （具体该函数变量请参考根目录下的readme）
# sf.SetTimeLimit(120) #设置算法运行最长时间，以分钟为单位
sf.clf = clf
sf.SetLogFile('record_seq8.log') #初始化日志文件
return sf.run(validate) #输入检验函数并开始运行
def main():
sf = ss.Select(Sequence = True, Random = True, Cross = False) #select the way you want to process searching
sf.ImportDF(prepareData(),label = 'is_trade')
sf.ImportLossFunction(modelscore,direction = 'descend')
sf.ImportCrossMethod(CrossMethod)
sf.InitialNonTrainableFeatures(['used','instance_id', 'item_property_list', 'context_id', 'context_timestamp', 'predict_category_property', 'is_trade'])
sf.InitialFeatures(['item_category_list', 'item_price_level','item_sales_level','item_collected_level', 'item_pv_level','day'])
sf.GenerateCol(key = 'mean', selectstep = 2)
sf.SetSample(0.1, samplemode = 0, samplestate = 0)
# sf.SetFeaturesLimit(5)
sf.SetTimeLimit(1)
sf.clf = lgbm.LGBMClassifier(random_state=1, num_leaves = 6, n_estimators=5000, max_depth=3, learning_rate = 0.05, n_jobs=8)
sf.SetLogFile('recordml.log')
sf.run(validation)
def main():
sf = ss.Select(Sequence=True, Random=False, Cross=True)
sf.ImportDF(prepareData(), label='Survived')
sf.ImportLossFunction(modelscore, direction='ascend')
sf.ImportCrossMethod(CrossMethod)
sf.InitialNonTrainableFeatures(['Survived'])
sf.InitialFeatures([])
sf.GenerateCol()
sf.SetSample(0.5, samplemode=0, samplestate=0)
sf.AddPotentialFeatures(['Pclass'])
sf.clf = LogisticRegression()
sf.SetLogFile('record2.log')
# sf.SetFeaturesLimit(5)
sf.SetTimeLimit(0.2)
sf.run(validation)
def main():
sf = ss.Select(Sequence=True, Random=False, Cross=False) #初始化选择器，选择你需要的流程
sf.ImportDF(prepareData(), label='buy') #导入数据集以及目标标签
sf.ImportLossFunction(score1, direction='ascend') #导入评价函数以及优化方向
sf.ImportCrossMethod(CrossMethod)
sf.InitialNonTrainableFeatures(['USRID', 'FLAG']) #初始化不能用的特征
combine_col = ['V1', 'V2', 'V3', 'V4', 'V5', 'V6', 'V7', 'V8', 'V9'] #,
# 'V10', 'V11', 'V12', 'V13', 'V14', 'V15', 'V16', 'V17', 'V18', 'V19',
# 'V20', 'V21', 'V22', 'V23', 'V24', 'V25', 'V26', 'V27', 'V28', 'V29',
# 'V30']
sf.InitialFeatures(combine_col) #初始化其实特征组合
sf.GenerateCol() #生成特征库 （具体该函数变量请参考根目录下的readme）
sf.SetSample(1, samplemode=1) #初始化抽样比例和随机过程
sf.SetTimeLimit(100) #设置算法运行最长时间，以分钟为单位
sf.clf = lgb.LGBMClassifier(random_state=1,
num_leaves=6,
n_estimators=1000,
max_depth=3,
learning_rate=0.2,
n_jobs=8) #设定回归模型
sf.SetLogFile('record.log') #初始化日志文件
sf.run(validate) #输入检验函数并开始运行