可以将序列特征转化为表格问题,并进行特征工程。首先,通过值的分布或唯一值数量确定类别型变量,例如对gene_target_symbol_name变量进行one-hot编码。对于时间特征,可以通过拆分siRNA_duplex_id提取序列号。对cell_line_donor变量进行编码,并构造包含特定单词的特征。基于siRNA序列,构造长度、碱基模式、特定模式和GC含量等特征。最后,使用LightGBM等回归模型进行训练,如设定boosting_type为gbdt,objective为regression,metric为root_mean_squared_error等,通过训练数据进行模型训练并验证。通过这些方法,从多个维度对原始数据进行特征提取与转化,增强模型的表达能力和预测性能,提高得分。
Datawhale AI 夏令营 task 2
最新推荐文章于 2024-10-18 00:00:00 发布