第三次课:阿里云天池
日期:2024.7.22
内容:阿里云天池竞赛
天池大赛-学习赛-零基础入门数据挖掘 - 二手车交易价格预测
赛题以预测二手车的交易价格为任务,数据集报名后可见并可下载,该数据来自某交易平台的二手车交易记录,总数据量超过40w,包含31列变量信息,其中15列为匿名变量。为了保证比赛的公平性,将会从中抽取15万条作为训练集,5万条作为测试集A,5万条作为测试集B,同时会对name、model、brand和regionCode等信息进行脱敏。
准备工作:
赛事链接:https://tianchi.aliyun.com/competition/entrance/231784
(阿里云需要实名认证后才可报名赛事:https://account.console.aliyun.com/v2/?spm=a2c4g.11186623.0.0.27696b3dUE512s#/authc/home)
注册云算力平台:https://growthdata.virtaicloud.com/t/NA
Baseline:
nn.Linear(in_feature,out_feature,bias)(线性变换)
Bias为布尔类型, Linear线性变换中是否添加bias偏置
in_feature:int型, 输入Tensor最后一维的通道数
out_feature:int型, 输出Tensor最后一维的通道数
nn.BatchNorm1d
使用 nn.BatchNorm1d 层时,它会对每个特征维度上的数据进行标准化处理。具体而言,它会计算每个特征维度的均值和方差,并将输入数据进行中心化和缩放,以使其分布接近均值为0、方差为1的标准正态分布。
数学方程如图:
其中,eps默认为1e-5,是为了防止当标准差太小时,计算机将分母处理为0
nn.ReLU(激活函数)
数学公式如图:
激活函数是用来加入非线性因素的,提高神经网络对模型的表达能力,解决线性模型所不能解决的问题。
配置:
config = {
'epoch': 100,
'batch_size': 512,
'learning_rate': 8e-3,
'device': 'cpu',
"num_cols": ['regDate', 'creatDate', 'power', 'kilometer', 'v_0', 'v_1', 'v_2', 'v_3', 'v_4', 'v_5', 'v_6', 'v_7', 'v_8', 'v_9', 'v_10',
'v_11', 'v_12', 'v_13', 'v_14'],
"cate_cols": ['model', 'brand', 'bodyType', 'fuelType', 'gearbox', 'seller', 'notRepairedDamage'],
'models_dir': 'trained_models'
}