- 博客(5)
- 收藏
- 关注
RSS订阅原创 DataWhale数据挖掘学习--Task 5 模型融合
不知不觉来到了最后一个任务，模型融合。想要提升模型的表现，模型融合是很好的方法之一，也是比赛后期一个重要的环节。模型融合通常有以下方式：简单加权融合:（1）回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean）；（2）分类：投票（Voting)（3） 综合：排序融合(Rank averaging)，log融合stacking...
2020-04-03 20:12:31
273
原创 Datawhale数据挖掘学习--Task 4 建模调参
建模调参4.1线性回归模型4.1.1读取数据4.1.2简单建模4.1.3查看预测情况4.1.4长尾分布处理4.2模型性能验证4.2.1五折交叉验证4.2.2模拟真实业务情况4.2.3绘制学习率曲线与验证曲线4.3嵌入式特征选择4.3.1 三种方法的对比一般回归L2正则L1正则4.4模型对比4.5模型调参4.5.1 贪心算法4.5.2 网格调参4.5.3 贝叶斯调参总结在特征工程的之后便是需要我们...
2020-03-31 20:04:53
250
原创 DataWhale数据挖掘学习--Task 3 特征工程
特征工程3.1 数据理解3.2 数据清洗3.2.1 异常值处理3.2.2 缺失值处理删除(Deletion)均值/众数/中位数填充使用预测模型KNN填充3.3 特征构造构造车辆已使用时间（特征组合）城市信息（变量变换）品牌信息（统计）数据分桶非线性变换无量纲化（最大最小标准化）对类别特征进行 OneHotEncoder3.4 特征选择3.4.1过滤式相关性分析3.4.2包裹式3.4.3嵌入式经过...
2020-03-27 20:43:16
266
原创 DataWhale数据挖掘学习--Task 2 数据分析
数据挖掘学习任务二是对数据进行EDA–数据性探索分析。EDA定义：探索性数据分析（Exploratory Data Analysis，简称EDA），是指对已有的数据（特别是调查或观察得来的原始数据）在尽量少的先验假定下进行探索，通过作图、制表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法。通过EDA，我们可以更好的了解和熟悉数据集，方便接下来的机器学习或深度学习使用。...
2020-03-23 21:55:38
462
原创 DataWhale数据挖掘学习---Task 1
一、赛题查看与理解赛题 前往 https://tianchi.aliyun.com/competition/entrance/231784/introduction查看题目，了解评分体系，并下载训练数据到本地。赛题是一个典型的回归问题。 赛题目标：以二手车市场为背景，要求选手预测二手汽车的交易价格。 评价标准：数据特征：二、查看数据概况利用pandas读取数...
2020-03-21 16:51:29
193
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人