实践:
对部分有缺失值的特征做了简单的填充处理(数值类用均值替代,类别类用众数替代),重点选取部分与贷款数额、评级、收入与偿还能力相关的属性,使用KNN模型进行训练(因其较简单,运行速度较快)。由于测试集不含标签,我使用sklearn将原训练集随机划分为训练集、测试集,其中测试集占比为0.3,即240000条,在测试集上准确率约为0.79,赛事评分如下:
理论:
阅读了论坛中关于数据分析与特征工程的内容(包括可视化、空白值填充、异常值处理、特征选择等),下一步计划对异常值进行处理,并利用相关性分析选择适当的属性集。同时尝试缩小训练样本的规模,以更快地测试一些更复杂模型的性能。