数据挖掘实践（资金流入流出预测）--Task04：特征工程

最新推荐文章于 2022-01-17 11:25:38 发布
最新推荐文章于 2022-01-17 11:25:38 发布
阅读量488 收藏
点赞数
分类专栏： 数据挖掘 数据分析 Python学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_35098624/article/details/108186376
版权
本文探讨了数据挖掘中预测资金流入流出的赛题，重点在于特征工程。内容涵盖赛题解读，强调80%精力应放在特征选取上，讨论了离散型特征的重要性，如用于规则设计、模型拟合和易于理解。提出了特征组合策略，包括简单的数学运算和针对时间序列问题的特定特征。同时，提到了特征选择的问题，建议剔除无关特征，处理自变量共线性，以构建最优特征子集。
摘要由CSDN通过智能技术生成

数据挖掘实践（资金流入流出预测）–Task04：特征工程

赛题解读
赛题介绍：https://tianchi.aliyun.com/competition/entrance/231573/introduction
数据集介绍及下载：https://tianchi.aliyun.com/competition/entrance/231573/information
阅读完赛题介绍后，总结了一下这个赛题的目的就是预测未来一个月，每天余额宝总的的转入金额和转出金额。是一个回归问题。

数据挖掘“二八原则“
80%的精力 => 选取特征
20%的精力 => 模型融合等
特征工程
基于数据分析与探索提取潜在有价值的特征
在这里插入图片描述
在这里插入图片描述
离散型特征很重要
可用于设计规则
易于模型拟合，xgboost、lightgbm、catboost等都以决策树为基模型
便于理解
便于做特

最低0.47元/天 解锁文章
LK2W
关注
专栏目录
数据挖掘实践（资金流入流出预测）--Task05：建模预测
qq_35098624的博客
08-23 498
数据挖掘实践（资金流入流出预测）–Task05：建模预测 数据挖掘实践（资金流入流出预测）–Task04：特征工程 赛题解读 赛题介绍：https://tianchi.aliyun.com/competition/entrance/231573/introduction 数据集介绍及下载：https://tianchi.aliyun.com/competition/entrance/231573/information 阅读完赛题介绍后，总结了一下这个赛题的目的就是预测未来一个月，每天余额宝总的的转入金额和
数据挖掘项目-资金流入流出预测
weixin_46891364的博客
08-18 624
记录一下我参加DataWhale的数据挖掘实战项目的学习过程。 时间是从2020年8月18号—2020年8月25号晚11：59分截止； 项目来源自天池大赛-资金流入流出预测。 赛题简介 蚂蚁金服拥有上亿会员并且业务场景中每天都涉及大量的资金流入和流出，面对如此庞大的用户群，资金管理压力会非常大。在既保证资金流动性风险最小，又满足日常业务运转的情况下，精准地预测资金的流入流出情况变得尤为重要。此届大赛以《资金流入流出预测》为题，期望参赛者能够通过对例如余额宝用户的申购赎回数据的把握，精准预测未来每日的资金流入
数据挖掘项目-资金流入流出预测（特征工程）
weixin_46891364的博客
08-25 284
特征工程 基于数据分析与探索提取潜在有价值的特征 特征工程重要性 特征越好，模型的性能越出色 特征越好，构建的模型越简单 特征越好，模型的灵活性越强 特征提取与特征组合
数据挖掘实践（资金流入流出预测） Task1
地山谦的博客
08-20 333
1. 赛题理解 1.1 目标 使用已有数据，精确预测在2014 年 9 月每天一行的申购总额和赎回总额。 1.2 评估方法 赛题数据提供了2013年7月-2014年8月每天的申购赎回数据，28041位用户，共有2840421条记录。计算所有用户在测试集上每天的申购及赎回总额与实际情况总额的误差为评估方法，最后公布总积分 = 申购预测得分 *45%+ 赎回预测得分 *55% 。 2. EDA import pandas as pd import numpy as np import warnings im
资金流入流出预测-时间序列
avagogogo的博客
08-22 1099
目录1.基于周期因子的时间序列预测2.具体操作1. 以星期为周期的中位数预测 1.基于周期因子的时间序列预测 提取时间序列的周期周期性特征进行预测 确定周期、 计算周期因子 方法1:除以周均值，按列取中位数 方法2:季节指数计算方式，获得每个工作日或周末均值，再除以整体均值 计算base 预测=base*周期因子 ** 观察序列，当序列呈现周期性变化的时候，可以使用周期因子法作为baseline ** 如何预测下个月每天的情况 获得每日（1-31号）的均值 统计（周一到周日）每日的频次 基于星期周
数据挖掘实践（资金流入流出预测）—8.总结
m0_46228848的博客
08-25 186
数据挖掘实践（资金流入流出预测）—8.总结 写在最后 按照计划，至少会有第七步：模型的实战，后续补上。 感谢这次限时提升的机会，后续会慢慢填坑 掌握数据（尤其是时序数据）划分方法、建模流程 掌握常用的回归模型，熟悉模型融合方法 利用相关方法和工具完成资金流入流出预测赛题任务 ...
数据挖掘实践（资金流入流出预测）--Task06：学习总结
qq_35098624的博客
08-25 556
数据挖掘实践（资金流入流出预测）–Task06：学习总结 赛题解读 赛题介绍：https://tianchi.aliyun.com/competition/entrance/231573/introduction 数据集介绍及下载：https://tianchi.aliyun.com/competition/entrance/231573/information 阅读完赛题介绍后，总结了一下这个赛题的目的就是预测未来一个月，每天余额宝总的的转入金额和转出金额。是一个回归问题。 通过本次学习，系统的学习了如何
数据挖掘实践（资金流入流出预测）--Task1数据探索与分析
qq_35098624的博客
08-20 638
金融时序数据挖掘实战学习内容–Task1数据探索与分析 1. 数据探索和准备步骤 1.1 时间序列图 通过时间变化可以得到事务的变化趋势 1.2 数据分布可视化 可以使用直方图、密度曲线图、箱型图、小提琴图等 1.3 变量间相关性分析与独立性分析 相关性分析 定类变量：名义型变量；性别 定序变量：不仅分类，还按某种特性排序；两值的差无意义；教育程度 定距变量：可比较大小、差有意义的变量 独立性分析/检验 变量间无线性相关性，还可能存在非线性关联 假设X为连续型变量，Y为离散型变量（有R种取值） ????_0
数据挖掘实践（资金流入流出预测）--Task3时间序列模型
qq_35098624的博客
08-22 489
数据挖掘实践（资金流入流出预测）–Task2时间序列模型 赛题解读 赛题介绍：https://tianchi.aliyun.com/competition/entrance/231573/introduction 数据集介绍及下载：https://tianchi.aliyun.com/competition/entrance/231573/information 阅读完赛题介绍后，总结了一下这个赛题的目的就是预测未来一个月，每天余额宝总的的转入金额和转出金额。是一个回归问题。 时间序列是指将同一统计量的数值
资金流入流出预测
wjl__ai__的博客
08-20 296
赛题介绍：https://tianchi.aliyun.com/competition/entrance/231573/introduction 数据集介绍及下载：https://tianchi.aliyun.com/competition/entrance/231573/information
资金流入流出预测-数据集
03-29
新人赛练手
资金流入流出预测-挑战Baseline-数据集
03-30
暂无描述描述可参见https://tianchi.aliyun.com/competition/introduction.htm?raceId=231573
资金流入流出预测数据-数据集
03-29
该数据并非原始数据，而是将2013年7月至2014年8月每一天的申购和赎回数据提取出来，共三列[report_date, total_purchase_amt, total_redeem_amt]
【算法竞赛学习】资金流入流出预测-挑战Baseline_特征工程
qq_41807261的博客
01-17 2069
赛题简介 蚂蚁金服拥有上亿会员并且业务场景中每天都涉及大量的资金流入和流出，面对如此庞大的用户群，资金管理压力会非常大。在既保证资金流动性风险最小，又满足日常业务运转的情况下，精准地预测资金的流入流出情况变得尤为重要。此届大赛以《资金流入流出预测》为题，期望参赛者能够通过对例如余额宝用户的申购赎回数据的把握，精准预测未来每日的资金流入流出情况。对货币基金而言，资金流入意味着申购行为，资金流出为赎回行为 。 赛题与数据 竞赛中使用的数据主要包含四个部分，分别为用户基本信息数据、用户申购赎回数据、收益率表和银行
【算法竞赛学习】资金流入流出预测-挑战Baseline_数据探索与分析1
qq_41807261的博客
01-15 1588
赛题简介 蚂蚁金服拥有上亿会员并且业务场景中每天都涉及大量的资金流入和流出，面对如此庞大的用户群，资金管理压力会非常大。在既保证资金流动性风险最小，又满足日常业务运转的情况下，精准地预测资金的流入流出情况变得尤为重要。此届大赛以《资金流入流出预测》为题，期望参赛者能够通过对例如余额宝用户的申购赎回数据的把握，精准预测未来每日的资金流入流出情况。对货币基金而言，资金流入意味着申购行为，资金流出为赎回行为 。 赛题与数据 竞赛中使用的数据主要包含四个部分，分别为用户基本信息数据、用户申购赎回数据、收益率表和银行
资金流入流出预测-挑战Baseline-排名445 /122.17
机器学习、深度学习、强化学习、迁移学习
11-08 1757
介绍 蚂蚁金服拥有上亿会员并且业务场景中每天都涉及大量的资金流入和流出，面对如此庞大的用户群，资金管理压力会非常大。在既保证资金流动性风险最小，又满足日常业务运转的情况下，精准地预测资金的流入流出情况变得尤为重要。此届大赛以《资金流入流出预测》为题，期望参赛者能够通过对例如余额宝用户的申购赎回数据的把握，精准预测未来每日的资金流入流出情况。对货币基金而言，资金流入意味着申购行为，资金流出为赎回行为 。 具体请移步：资金流入流出预测 思路介绍： 计算统计特征 把时间作为时序特征 构建cnn模型 具体代码：
【资金流入流出预测】 数据探索
wwqnmdhmp的博客
08-19 1006
import pandas as pd import numpy as np import warnings import datetime import seaborn as sns import matplotlib.pyplot as plt warnings.filterwarnings('ignore') %matplotlib inline plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体 plt.rcParams['axes.unic
《资金流入流出预测》——总结
karry_zzj的博客
08-25 601
本次学习主要是对时间序列数据挖掘有了一个粗浅的认识，比如了解了时间序列的一些基础知识——时间序列的规则，怎样提取时间序列的周期性，如何提取时间序列的特征，并用数据可视化对这些特征进行直观的展示，最重要的就是利用经典回归模型进行预测等等。 由于时间有限，知识点又过于密集，所以无法在短时间内理解和消化，如果之后有时间可以继续研究。 而且手册中提供的模型有点过于经典，可以利用LSTM等深度模型进行预测。 ...
数据挖掘新手教程：特征工程与异常值处理
"零基础入门数据挖掘的Task3主要讲解了特征工程，包括异常值的判别与处理、新特征的构造以及数据保存，同时也涉及到了特征选择的过程。" 在这个教程中，首先介绍了特征工程的基本概念，特别是针对异常值的处理。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值