- 博客(3)
- 收藏
- 关注
RSS订阅原创 广工大数协 阿里云天池 金融风控训练营·Task 03特征工程打卡笔记
一、学习知识点概要本节主要学习一些特征处理、特征交互、编码、选择的方法，以及如何处理缺失值和异常值二、学习内容数据预处理 前面在数据探索性分析的过程中，我们已经得到数据的一些基本统计量的数值，同时也发现了问题，比如缺失值、异常值等，那么我们就要对这些异常的数据进行处理 缺失值填充 将所有缺失值指定为0，并用特定值填充缺失值 时间格式处理 要将issueDate的数据转化为指定的时间格式，并对earliesCreditLine进行预处理 类别特征处理 要将数据
2021-04-28 22:09:48
106
原创 广工大数协 阿里云天池 金融风控训练营·Task 02EDA探索性数据分析打卡笔记
一、学习知识点概要task2 主要是让我们了解数据总体，学会如何挖掘数据内部信息，掌握读取数据集的技巧与数据特征，学会查看数据类型并生成数据报告。二、学习内容读取文件→掌握数据基本特征及基本统计量→查看缺失值和唯一值→查看特征的类型读取文件在上个任务中已进行详细学习，这里不再赘述 掌握数据基本特征及基本统计两量 我们要挖掘数据，就要掌握其基本信息。通过代码，查看数据的样本个数、数据类型、基本统计量（如平均值、方差、最大值、最小值等） 查看缺失值和唯一值 缺失值是什么 缺失值是
2021-04-25 23:50:01
102
原创 广工大数协 阿里云天池 金融风控训练营·Task 01赛题理解打卡笔记
一、学习知识点概要task 1部分对本次比赛进行了大致介绍，重点解释了数据的含义及数据指标，为之后的比赛打好基础。二、学习内容本次比赛采用分类算法，其主要评估指标为混淆矩阵、精确率、准确率、召回率、F1 score、P-R曲线、ROC、AUC等1、混淆矩阵2、精确率指预测为正的样本中正确预测的样本所占比例3、准确率指所有样本中正确预测的样本所占比例4、召回率指正样本中正确预测的样本比例5、F1 scoreF1 score/2 = 1/精确率 + 1/召回率
2021-04-22 23:02:17
134
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人