62 lines
2.1 KiB
Python
62 lines
2.1 KiB
Python
from sklearn.ensemble import GradientBoostingRegressor
|
|
import pandas as pd
|
|
import numpy as np
|
|
from sklearn.metrics import mean_absolute_error
|
|
import joblib
|
|
import argparse
|
|
import os
|
|
import sys
|
|
|
|
def train():
|
|
parser = argparse.ArgumentParser()
|
|
parser.add_argument('--dataset', type=str, default='datas/dataset.csv')
|
|
parser.add_argument('--model_path', type=str, default='model/constant_predictor.joblib')
|
|
parser.add_argument('--batch_size', type=int, default=200)
|
|
parser.add_argument('--iterations', type=int, default=10) # 200개씩 몇 번 반복할지
|
|
args = parser.parse_args()
|
|
|
|
if not os.path.exists(args.dataset):
|
|
sys.exit(1)
|
|
|
|
df = pd.read_csv(args.dataset)
|
|
|
|
# 모델 로드 또는 생성
|
|
if os.path.exists(args.model_path):
|
|
print(f"Loading existing model from {args.model_path} for update...")
|
|
model = joblib.load(args.model_path)
|
|
# 기존 모델의 트리 개수를 늘려가며 학습하기 위해 n_estimators 증가
|
|
model.n_estimators += 50
|
|
model.warm_start = True
|
|
else:
|
|
print("Creating new model...")
|
|
model = GradientBoostingRegressor(
|
|
n_estimators=100,
|
|
learning_rate=0.05,
|
|
max_depth=8,
|
|
warm_start=True,
|
|
random_state=42
|
|
)
|
|
|
|
for i in range(args.iterations):
|
|
# 랜덤하게 200개 샘플링
|
|
batch = df.sample(n=min(args.batch_size, len(df)))
|
|
X_batch = batch.drop('target', axis=1)
|
|
y_batch = batch['target']
|
|
|
|
model.fit(X_batch, y_batch)
|
|
|
|
# 전체 데이터에 대한 성능 확인 (학습 경과 관찰용)
|
|
preds = model.predict(df.drop('target', axis=1))
|
|
mae = mean_absolute_error(df['target'], preds)
|
|
|
|
print(f"Iteration {i+1}/{args.iterations} - Current Model Estimators: {model.n_estimators}, Dataset MAE: {mae:.4f}")
|
|
|
|
# 매 반복마다 트리 조금씩 추가
|
|
model.n_estimators += 20
|
|
|
|
joblib.dump(model, args.model_path)
|
|
print(f"Model updated and saved to {args.model_path}")
|
|
|
|
if __name__ == "__main__":
|
|
train()
|