PYTHON大数据分析-IWC赛题1(企业投资价值评估)数据分析方法总结

本文总结了参加IWC赛题1的经验,主要任务是根据企业评分建立预测模型。文章详述了从数据清洗、模型选型、参数调优到结果预测的全过程,强调了数据清洗在数据分析中的重要性。最终选择了随机森林作为最佳模型,并分享了比赛心得,指出数据预处理对模型准确性的影响超过算法选择。
摘要由CSDN通过智能技术生成

一、目的

本次比赛主要解决的问题是根据官方提供的37个EXCEL表信息与企业评分,训练出一个模型,使之能够根据对新企业进行评分估计。
在这里插入图片描述
表格的数据是这样的在这里插入图片描述
企业评分是这样的
在这里插入图片描述

二、代码结构简述

整个工程包括原始数据(excel_sources)、训练数据(test_data)、算法(algorithm)、数据清洗(Data_Processing) 四个部分,如下图:
在这里插入图片描述

  1. Algorithm ,包含目前测试中使用到的算法模型,可通过在main.py中通过train函数注释来选择训练的算法
    在这里插入图片描述
  2. Data_processing:此次比赛官方提供的37个表中的数据格式不尽相同,为方便数据表格之间处理的独立性,每个表由一个python模块清洗,并提供一个接口函数,可在main.py中调用,最后通过concat函数拼接在一个dataframe变量中,使用注释选择需要选取的表格。
    在这里插入图片描述
  • 5
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值