天池离线赛——移动推荐算法学习笔记3_基于模型的预测

参考代码：https://blog.csdn.net/snoopy_yuan

该部分主要是基于模型的预测；

包括数据预处理（处理数据不平衡问题），LR模型预测等；

数据预处理部分思想：首先数据严重不平衡（1：3k），这里采用下采样的办法处理；为避免下采样失去了数据原本的分布特征，所以先使用kmeans聚类；然后在每个类别上取sub_sample；与正样本组成训练集。

1. 机器学习中数据不平衡的处理：

数据不平衡：数据分布不均匀；

解决方法：

1）采样：又分为上采样和下采样；

上采样：复制多遍小规模的数据；

下采样：删除部分大规模的数据；

2）数据合成

3）一分类
4）加权

详见参考链接；

参考：https://www.cnblogs.com/zhaokui/p/5101301.html

2. 归一化处理

对不同度量尺度的特征进行归一化处理，使用sklearn.preprocessing.StandardScaler()

下面是用逻辑回归解决该问题：

1. 回顾了一下逻辑回归是什么（其实是重新学习了一下= =）

简单来说，对于一个二分类问题，设最终分类目标为y，其有两个取值0或1。训练的目的就是，输入一个特征向量x，训练得到参数w和b&