数据挖掘过程中的问题集合

问题1：以bid（客户一次消费行为id）进行建模，导致同一个客户对应的label不同

解决：以cid（客户id，人维度）进行建模，对label归一化，统一处理为0或者1，相当于加权操作

问题2：训练集和测试集中有重复数据，可能造成过拟合

解决：实际训练时，对重复数据进行处理，如：剔除训练集的重复数据，但在测试集中保留。
如果是参加算法比赛，可以将重复数据找出后做成规则，增加预测准确度

问题3：lgb.train和LGBMClassifier.fit有什么差别？

import lightgbm as lgb
from lightgbm import LGBMClassifier

lgb使用的是lightgbm原生的booster，需要用lgb.Dataset将X和Y集合化
LGBMClassifier是将lightgbm封装为sklearn的API格式，可以使用sklearn的API，包括sklearn2pmml，方便部署

问题4：模型部署的方法有哪些？