分子AI预测赛笔记-CSDN博客

本文链接：https://blog.csdn.net/qq_43507356/article/details/140172084

Task1

一、跑通baseline

安装lightgbm库和openpyxl库。
其中，LightGBM 主要用于高效、快速的梯度提升树模型的训练，适用于大规模数据集和高维数据。Openpyxl 主要用于处理 Excel 文件，包括读取、写入和格式化操作，适用于对 Excel 文件的各种操作需求。

!pip install lightgbm openpyxl

导入需要使用的库

# 导入 pandas 库，用于数据处理和分析
import pandas as pd
# 导入 numpy 库，用于科学计算和多维数组操作
import numpy as np
# 从 lightgbm 模块中导入 LGBMClassifier 类
from lightgbm import LGBMClassifier

读取数据（包括训练集和测试集）

# 使用 read_excel() 函数从文件中读取训练集数据，文件名为 'traindata-new.xlsx'
train = pd.read_excel('./data/data280993/traindata-new.xlsx')
# 使用 read_excel() 函数从文件中读取测试集数据，文件名为 'testdata-new.xlsx'
test = pd.read_excel('./data/data280993/testdata-new.xlsx')

特征工程（这点非常重要）

主要是处理数据，从原始数据中提取出有用的特征，以提升模型的性能。特征工程包括特征选择、特征提取、特征转换和特征创建等多个方面。

# 测试集中不包含 DC50 (nM) 和 Dmax (%)，将训练集数据中的DC50 (nM) 和 Dmax (%)删除
train = train.drop(['DC50 (nM)', 'Dmax (%)'], axis=1)

# 将object类型的数据进行目标编码处理
for col in train.columns[2:]:
    if train[col].dtype == object or test[col].dtype == object:
        train[col] = train[col].isnull()
        test[col] = test[col].isnull()

加载模型并训练模型

# 加载决策树模型进行训练
model = LGBMClassifier(verbosity=-1)
model.fit(train.iloc[:, 2:].values, train['Label'])
pred = model.predict(test.iloc[:, 1:].values, )

保存模型预测结果

pd.DataFrame(
    {
        'uuid': test['uuid'],
        'Label': pred
    }
).to_csv('submit.csv', index=None)

:::warning
最重要的是理解代码，包括导入的库以及作用、整个代码的流程、数据处理的过程、最后结果的保存。
:::

二、改进baseline

想法：

填补缺失值：使用SimpleImputer填补缺失值，策略为使用中位数填补。
数据标准化/归一化：使用StandardScaler标准化数据，使得每个特征具有0均值和1标准差。
更多参数调优：增加了num_leaves参数，进一步调整模型复杂度。
更高级的交叉验证策略：使用StratifiedKFold进行分层K折交叉验证，确保每个折中类的分布与原始数据集一致。

三、感悟等

要对比赛内容进行深入理解。
要对改进的想法进行尝试。

这个夏令营不简单 #AI夏令营 #Datawhale #夏令营