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