阿里云天池机器学习task2

1、学习知识点概要
2、学习内容
2.1 缺失值处理lgb模型
2.1.1优势[^2]
2.1.2自动处理缺失值[^1]
2.1.3自动处理缺失值
2.2 数值连续型变量分析
2.2.1如何查看
2.3 变量分布可视化[^3]
2.3时间格式数据处理及查看
3、学习问题与解答
3.1 导入数据
3.1.1 目录格式正确
3.2运行卡顿情况
3.3出现warning
4、学习思考与总结（三点）
参考
本学习笔记为阿里云天池金融风控训练营的学习内容，学习链接为：https://tianchi.aliyun.com/specials/activity/promotion/aicampdocker

1、学习知识点概要

2、学习内容
2.1 缺失值处理lgb模型
GBDT (Gradient Boosting Decision Tree)
是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点。GBDT不仅在工业界应用广泛，通常被用于多分类、点击率预测、搜索排序等任务；在各种数据挖掘竞赛中也是致命武器，据统计Kaggle上的比赛有一半以上的冠军方案都是基于GBDT。
LightGBM（Light Gradient Boosting Machine）
是一个实现GBDT算法的框架，支持高效率的并行训练，并且具有更快的训练速度、更低的内存消耗、更好的准确率、支持分布式可以快速处理海量数据等优点。

2.1.1优势1
速度和内存使用的优化
减少分割增益的计算量
通过直方图的相减来进行进一步的加速
减少内存的使用 减少并行学习的通信代