数据挖掘实训周报week7

本周开始了新的大作业比赛的学习

主要是学习了数据集的一些基本情况

数据集包含约25000家企业数据，其中约15000家企业带标注数据作为训练集，剩余数据作为测试集。数据由企业基本信息、企业年报、企业纳税情况等组成，数据包括数值型、字符型、日期型等众多数据类型（已脱敏），部分字段内容在部分企业中有缺失，其中第一列id为企业唯一标识。

主要一共有8个数据集，每一行代表一个企业的基本数据，需要给出企业是否有非法集资风险的预测概率值

比赛采用分类任务的精确率 P（precision）、召回率 R（recall） 和 F1 -score三个指标作为模型性能的评判标准。

接下来要处理的任务就是数据的预处理了