Facebook Model submission

FBMS.py

import pandas as pd
import numpy as np
from sklearn.metrics import roc_auc_score


#########################################################################################

NN_E=np.load('/home/alfard/Documents/Kaggle/Facebook-Robot/NN_E.npz')
NN_E=NN_E['arr_0']

GB_E=np.load('/home/alfard/Documents/Kaggle/Facebook-Robot/GB_E.npz')
GB_E=GB_E['arr_0']



#################################################################################################


#Mean1=np.array([ 0.15*NN_E, 0.85*GB_E ])

Mean1=np.array([NN_E])

Proba=np.mean(Mean1, axis=0 )

#################################################################################################

C=pd.read_pickle(('/home/alfard/Documents/Kaggle/Facebook-Robot/A.pk'))

#################################################################################################

P1=pd.DataFrame(Proba,index=C['bidder_id'])

P1['bidder_id'] = P1.index
P1.columns=['P1','bidder_id']
P1 = P1[['bidder_id','P1']]


##################################################################

P1.shape

test = pd.read_csv('/home/alfard/Documents/Kaggle/Facebook-Robot/test.csv')

test.shape

list(test)

R=pd.merge(test, P1, how='left',on='bidder_id')
R.shape

R=R[['bidder_id','P1']]
R.columns=['bidder_id','prediction']


R.shape
R=R.fillna(0)


R.to_csv('/home/alfard/Documents/Kaggle/Facebook-Robot/Model_NNlast.csv',index=False)