学习笔记-用户新增预测挑战赛

小白第一阶段初步的认识💪💪

---

• 对F1-score的认识

用于评估二分类模型性能的指标，主要考虑精确度（Precision）和召回率（Recall）。精确度（Precision）是指预测出正样品正确的有多少，召回率（Recall）指所有的正样品中，模型预测出来多少。如果一个模型的预测结果里，正样本都预测正确了，那么精确度就很高；如果一个模型能把所有的正样本都预测出来那么召回率就很高。两者相互影响，理想状态下追求两者都高，实际上两者相互制约，追求精确度高，则召回率就低；追求召回率高，则通常会影响精确度。因此，就要综合考虑精确度和召回率，用调和平均数的形式计算出一个0—1之间的分数来评判，模型分数越高，表示模型越好，调和平均数会拉低较大值的权重，使得较小值也能考虑到，更加合理。

• python字典类型对象

Python字典类型对象是一组键值对的集合，每个键值对之间用逗号分隔，整个字典用花括号括起来。字典中的键必须是唯一的，而值可以是任意类型的数据（数字、字符串、列表、元组等），如{'key1': 3, 'key2': 2}形式。

• Pandas数据框

Pandas数据框（DataFrame）是Pandas中最常用的数据结构之一。它是一个二维表格，类似于电子表格或数据库表。数据框由行和列组成，每列可以包含不同的数据类型（数值、字符串、布尔值等）。可以使用pd.DataFrame()函数从列表、字典或NumPy数组创建数据框：

这里，我的理解是将 udmap_onethot 函数分别应用于训练集数据和测试集数据的'udmap'列，再将结果垂直堆叠成一个数组，再将数组转换为一个Pandas数据框，并将其分别赋值给train_udmap_df变量和test_udmap_df变量。

---

• train_data = pd.concat([train_data, train_udmap_df], axis=1)

• test_data = pd.concat([test_data, test_udmap_df], axis=1)

pd.concat()函数用于将多个数据框按指定的轴方向进行拼接。通过设置axis=1参数，表示按列方向进行拼接，由此，train_udmap_df数据框的内容将会被添加到train_data数据框的最后一列，test_udmap_df数据框的内容将会被添加到test_data数据框的最后一列。

---

---

总而言之，主要包括以下内容：

1. 读取训练集和测试集数据。
2. 对'udmap'列进行One-Hot编码。
3. 提取'eid'的频次特征和标签特征。
4. 将时间戳转换为datetime类型，并提取小时信息。
5. 加载决策树模型并进行训练。
6. 对测试集进行预测，并将结果保存到DataFrame中。
7. 将结果DataFrame保存为CSV文件。