大家好，妈妈杯已经开赛了，得到赛题之后我赶忙写了个baseline给大家提供思路，主要的工作是数据预处理和简单的建模。
数据处理
大体的观察了一下数据，发现无论是语音和上网两个数据集中train和test的特征列是对不上的，而且数据中存在大量的缺失值，数据预处理起来还是挺麻烦的。
那么我大体的思路就是将用户描述的列删了，空缺值观察了一下使用0去填充。关于类别编码，一些类别特征使用硬编码进行编码，终端品牌和终端品牌类型选择直接删除(这个是后面实验了一下，发现这种类别特征没啥用)。
问题1
关于问题1，一般情况下直接使用主成分分析是没什么问题的，我用热力图可视化了一些相关性系数，可以看出比较重要的特征是遇到网络问题还有用户的一些反馈(所在场景比如说办公室，居民小区)
问题2
对于问题2的话，可以当成回归问题去做，也可以当成分类问题去做，测试了一下其实没什么区别。我简单的尝试了一下决策树，发现拟合效果其实一般，r2在0.029左右。随后考虑到许多特征是没用的，我采用相关性系数进行了一些特征筛选，之后r2在0.3左右(其实也是一个比较差的成绩)，随后又尝试了一些其他的模型，发现其实模型的帮助不大，建议
最低0.47元/天 解锁文章
770
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
