感谢datacastle和现金巴士提供了这样好的大数据竞赛平台!
主要从以下几个方面总结:
(0)数据预处理:
缺失值:删除缺失值大于194的样例
根据缺失值个数分段构造离散特征
数值型变量:log变换
(1)特征工程
(1)排序特征:将数值型数据排序,将其rank作为新的特征
(2)连续特征离散化:等量,或者等间距
(3)计数特征:每个样本离散特征1-10的数量,生成10个新特征
(4)类别特征:one-hot-encoding
(2)特征选择
(1)MIC
(2)皮尔逊相关系数
&