一、赛题背景
特征工程指的是把原始数据转变为模型训练数据的过程,目的是获取更好的训练数据特征。特征工程能使得模型的性能得到提升,有时甚至在简单的模型上也能取得不错的效果。
二、实验步骤
-
common_ts_day
特征:从时间戳common_ts
中提取出日期部分的天数,以创建一个新的特征表示访问日期。 -
x1_freq
和x1_mean
特征:计算特征x1
在训练集中的频次(出现次数)以及在训练集中对应的目标列target
的均值。这些特征可以捕捉x1
特征的重要性和与目标的关系。 -
类似地,对于其他
x2
、x3
、x4
、x6
、x7
和x8
特征,进行了类似的操作,分别计算它们在训练集中的频次和均值。
三、实验代码
train_data['common_ts_day'] = train_data['common_ts'].dt.day
test_data['common_ts_day'] = test_data['common_ts'].dt.day
train_data['x1_freq'] = train_data['x1'].map(train_data['x1'].value_counts())
test_data['x1_freq'] = test_data['x1'].map(train_data['x1'].value_counts())
train_data['x1_mean'] = train_data['x1'].map(train_data.groupby('x1')['target'].mean())
test_data['x1_mean'] = test_data['x1'].map(train_data.groupby('x1')['target'].mean())
train_data['x2_freq'] = train_data['x2'].map(train_data['x2'].value_counts())
test_data['x2_freq'] = test_data['x2'].map(train_data['x2'].value_counts())
train_data['x2_mean'] = train_data['x2'].map(train_data.groupby('x2')['target'].mean())
test_data['x2_mean'] = test_data['x2'].map(train_data.groupby('x2')['target'].mean())
train_data['x3_freq'] = train_data['x3'].map(train_data['x3'].value_counts())
test_data['x3_freq'] = test_data['x3'].map(train_data['x3'].value_counts())
train_data['x4_freq'] = train_data['x4'].map(train_data['x4'].value_counts())
test_data['x4_freq'] = test_data['x4'].map(train_data['x4'].value_counts())
train_data['x6_freq'] = train_data['x6'].map(train_data['x6'].value_counts())
test_data['x6_freq'] = test_data['x6'].map(train_data['x6'].value_counts())
train_data['x6_mean'] = train_data['x6'].map(train_data.groupby('x6')['target'].mean())
test_data['x6_mean'] = test_data['x6'].map(train_data.groupby('x6')['target'].mean())
train_data['x7_freq'] = train_data['x7'].map(train_data['x7'].value_counts())
test_data['x7_freq'] = test_data['x7'].map(train_data['x7'].value_counts())
train_data['x7_mean'] = train_data['x7'].map(train_data.groupby('x7')['target'].mean())
test_data['x7_mean'] = test_data['x7'].map(train_data.groupby('x7')['target'].mean())
train_data['x8_freq'] = train_data['x8'].map(train_data['x8'].value_counts())
test_data['x8_freq'] = test_data['x8'].map(train_data['x8'].value_counts())
train_data['x8_mean'] = train_data['x8'].map(train_data.groupby('x8')['target'].mean())
test_data['x8_mean'] = test_data['x8'].map(train_data.groupby('x8')['target'].mean())
四、今日问题
-
加入特征之后模型的精度有什么变化?
精度大大提高。理论上特征越多精度越高,但是增长幅度肯定会越来越小。
-
思考并加入3个额外的特征,并观测模型精度的变化
再增加day作为特征后,测试分数从0.67上升到0.73 继续添加其他额外特征后,分数却没有明显的上升。
五、代码中知识点
本次实验代码中的 x3 和 x4 中含有NAN,运行后会在对测试集进行预测时报错。可以采取舍弃这部分数据的方法,先进行初步预测。
这里通过增加时间戳中day的元素,提高预测准确性,那只要继续增加更多的元素,就可以使得预测更加准确。因此可以添加month,year,minute等元素。
train_data['common_ts_hour'] = train_data['common_ts'].dt.hour
test_data['common_ts_hour'] = test_data['common_ts'].dt.hour
train_data['common_ts_day'] = train_data['common_ts'].dt.day
test_data['common_ts_day'] = test_data['common_ts'].dt.day
train_data["common_ts_month"] = train_data["common_ts"].dt.month
test_data["common_ts_month"] = test_data["common_ts"].dt.month
train_data["common_ts_minute"] = train_data["common_ts"].dt.minute
test_data["common_ts_minute"] = test_data["common_ts"].dt.minute