理论学习:
重新熟悉一下数据挖掘比赛的流程,以及每个阶段的内容和常用方法:
(1)数据分析阶段:数据集中特征缺失情况;可视化数据;变量分布情况。
方法:尽量利用函数,查看各变量情况。
(2)特征工程阶段:数据预处理;异常值处理;数据分箱;特征交互;特征编码;特征选择。
方法:缺失值过多,或者值都一样的特征,可以删除;均方差和箱形图;固定宽度分箱,分位数分箱,卡方分箱…
(3)建模和调参阶段:模型选择;调参。
方法:贪心调参;网格调参;贝叶斯调参。
(4)模型融合阶段:模型融合。
方法:平均;投票;排序融合;log融合;stacking;blending。
实践
熟悉python库对数据挖掘有用的函数库:sklearn;numpy;pandas等
下一步工作
对期末大作业进行前期工作和数据处理。