Datawhale 零基础入门数据挖掘心跳信号分类学习反馈

Detail 零基础入门数据挖掘 (心跳信号分类) 学习反馈TASK1

使用语言：python

Tas1 – Task5

Task1

赛题理解：

根据给定的数据集，建立模型，预测不同的心跳信号（以预测心电图心跳信号类别）。

数据概况：

“train.csv”
“testA.csv”

预测指标：

提交4种不同心跳信号预测的概率，与实际心跳类型结果进行对比，求预测的概率与真实值差值的绝对值。

学习点:

LigthGBM是boosting集合模型中的新进成员，由微软提供，它和XGBoost一样是对GBDT的高效实现，原理上它和GBDT及XGBoost类似，都采用损失函数的负梯度作为当前决策树的残差近似值，去拟合新的决策树。

参数设置：

Params = { 'boosting_type': 'gbdt', 'Objective': 'multiclass', 'num_class': 4, 'num_leaves': 2 ** 5, 'feature_fraction': 0.8, 'bagging_fraction': 0.8, 'bagging_freq': 4, 'learning_rate': 0.1, 'seed': seed, 'nthread': 28, 'n_jobs':24, 'verbose': -1, }

需要理解根据自己数据的不同特征，选择不同的模型以及调整合适的参数方法，注意过拟合、时间消耗过大等的问题。

友情链接：https://tianchi.aliyun.com/competition/
Datawhale组织