三下乡」“第二课堂”AI实训营学习实践笔记（3）

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'
}