【Datawhale】零基础入门数据挖掘 - 二手车交易价格预测[task1 赛题理解]

最新推荐文章于 2021-04-24 23:32:52 发布
最新推荐文章于 2021-04-24 23:32:52 发布
阅读量663 收藏 1
点赞数
分类专栏： 日常学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43041009/article/details/105810564
版权
这篇博客介绍了Datawhale的零基础数据挖掘课程，通过二手车交易价格预测任务来理解数据挖掘的基本框架。内容包括赛题理解、代码示例、遇到的问题及解决方案，如ValueError的处理，并强调了数据预处理、任务类型识别、评价指标选择的重要性，如在回归问题中使用MAE、MSE等。最后提供了相关资源链接。
摘要由CSDN通过智能技术生成
最低0.47元/天 解锁文章
zyq_go
关注
专栏目录
零基础入门数据挖掘 - 二手车交易价格预测
qq_37822398的博客
03-22 255
1.赛题内容 赛题以二手车市场为背景，要求选手预测二手汽车的交易价格，这是一个典型的回归问题 赛题以预测二手车的交易价格为任务，数据集报名后可见并可下载，该数据来自某交易平台的二手车交易记录，总数据量超过40w，包含31列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取15万条作为训练集，5万条作为测试集A，5万条作为测试集B，同时会对name、model、brand和reg...
Datawhale-零基础入门数据挖掘 - 二手车交易价格预测-- 赛题理解与数据分析(EDA)
weixin_44104450的博客
03-24 427
这里写自定义目录标题Datawhale-零基础入门数据挖掘 - 二手车交易价格预测-- 赛题理解与数据分析(EDA)一、赛题理解二、数据探索性分析(EDA)2.1 介绍（摘自AI蜗牛车的Task2 数据分析）2.2 本次比赛EDA过程的思维导图 Datawhale-零基础入门数据挖掘 - 二手车交易价格预测-- 赛题理解与数据分析(EDA) 一、赛题理解 这里转载自杨煜队伍的分享的思维导图： 二...
零基础入门数据挖掘 - 二手车交易价格预测-数据探索
sinat_26566137的博客
03-21 769
零基础入门数据挖掘 - 二手车交易价格预测-part1 赛题理解 赛题以二手车市场为背景，要求根据所给的二手车预测二手汽车的交易价格，这是一个典型的回归问题 熟悉数据及评价标准 一 、赛题数据 该数据来自某交易平台的二手车交易记录，总数据量超过40w，包含31列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取15万条作为训练集，5万条作为测试集A，5万条作为测试集B，同...
零基础入门数据挖掘 - 二手车交易价格预测-Task2数据分析
Mia的博客
03-24 539
目 录一、EDA-数据探索性分析1.1 EDA目标1.2 内容介绍1.载入各种数据科学以及可视化库：2.载入数据：3.数据总览：4.判断数据缺失和异常5.了解预测值的分布6.特征分为类别特征和数字特征，并对类别特征查看unique分布7.数字特征分析8.类别特征分析9.用pandas_profiling生成数据报告附录 一、EDA-数据探索性分析 1.1 EDA目标 熟悉数据集，了解数据集，对...
零基础入门数据挖掘-Baseline（二手车交易价格预测）
聆听雨de旋律
07-21 1251
二手车交易价格预测baseline Tip:这是一个最初始baseline版本,抛砖引玉,为大家提供一个基本Baseline和一个竞赛流程的基本介绍，欢迎大家多多交流。 赛题：零基础入门数据挖掘 - 二手车交易价格预测 地址：https://tianchi.aliyun.com/competition/entrance/231784/introduction?spm=5176.12281957.1004.1.38b02448ausjSX # 查看数据文件目录 list datalab files !ls
零基础入门数据挖掘 - 二手车交易价格预测-Task1赛题理解
Mia的博客
03-24 662
目录一、赛题数据1.1 背景介绍1.2 字段表二、评判标准三、赛题相关3.1 明确目标3.2 了解赛题3.2.1 赛题概况（见1.1背景）3.2.2 数据概况（见1.2字段表）3.2.3 预测指标MAE3.2.4 分析赛题四、补充知识4.1 一般问题评价指标说明4.2 回归问题4.3 EDA4.4 他人经验附录 一、赛题数据 1.1 背景介绍   赛题以二手车市场为背景，要求选手以预测二手汽车的交...
零基础入门数据挖掘 - 二手车交易价格预测--EDA
爱妍妍的博客
03-26 688
零基础入门数据挖掘 - 二手车交易价格预测--EDAEDA背景代码及讲解 EDA背景 赛题链接 零基础入门数据挖掘 - 二手车交易价格预测 EDA目的 熟悉数据集，了解数据集，对数据集进行验证 了解变量间的相互关系以及变量与预测值之间的存在关系 为下一步的数据处理以及特征工程奠定基础 代码及讲解 引入数据科学以及可视化库 #coding:utf-8 #导入warnings包，利用过...
【Datawhale】零基础入门数据挖掘 - 二手车交易价格预测[task2 数据分析]
weixin_43041009的博客
04-30 535
文章目录 一、EDA 二、task2代码-EDA 三、问题 四、总结
Datawhale 零基础入门数据挖掘-打卡day·1
ban1818的博客
03-24 913
Datawhale 零基础入门数据挖掘-打卡·1 自我介绍 你好！ 我是一个Python零基础小白。 这是我零基础入门数据挖掘的第一次打卡。 一、 安装Python编辑器 1.本地编辑的我使用的是sublime text ： Python和Sublime的整合 1.在Sublime中执行Python代码，ctrl + b 自动在Sublime内置的控制台中执行 这种执行方式，在某些版本的Subl...
零基础入门数据挖掘 - 二手车交易价格预测 Task4
chiyuhan89的博客
04-22 804
本次的任务为建模与调参。 花了一下午的时间看了线性回归模型、决策树模型、GBDT模型、XGBoost、LightBGM模型的相关算法原理，除了线性回归，其他只能说一脸懵逼，可能不是我这个水平能去看的…连方向导数、梯度这种概念都要去现学。多多少少懵懵懂懂知道了一些，先来做本次作业，接下来有时间再好好研究，立个flag，一定要看懂！ 先把方向导数和梯度记录一下： 方向导数 = 梯度 * 直线 l ~l~ l 单位向量 ∂f∂l∣(x0,y0)=gradf(x0,y0)⋅
零基础入门数据挖掘 - 二手车交易价格预测-数据集
03-25
20200401零基础入门数据挖掘 – 二手车交易价格预测笔记（4）
12-21
四、建模与调参 4.1 线性回归模型： 线性回归对于特征的要求； 处理长尾分布； 理解线性回归模型； 4.2 模型性能验证： 评价函数与目标函数； 交叉验证方法； 留一验证方法； 针对时间序列问题的验证； 绘制学习率曲线； 绘制验证曲线； 4.3 嵌入式特征选择： Lasso回归； Ridge回归； 决策树； 4.4 模型对比： 常用线性模型； 常用非线性模型； 4.5 模型调参： 贪心调参方法； 网格调参方法； 贝叶斯调参方法； 下面节选一些我学习比较多的地方进行记录： 4.1.1 线性回归 建立线性模型 from sklearn.linear_model import LinearRegr
零基础入门数据挖掘 - 二手车交易价格预测 Task1
weixin_43517197的博客
03-21 244
第一次写博客哇！！！ 零基础入门数据挖掘 - 二手车交易价格预测 简介：赛题以预测二手车的交易价格为任务，数据集报名后可见并可下载，该数据来自某交易平台的二手车交易记录， 总数据量超过40w，包含31列变量信息，其中15列为匿名变量。为了保证比赛的公平性，将会从中抽取15万条作为训练集，5万条作为测试集A，5万条作为测试集B，同时会对name、model、brand和regionCode等信息进行...
零基础入门数据挖掘 - 二手车交易价格预测 Task3
chiyuhan89的博客
04-19 839
本次任务为特征工程。在任务开始前，简单了解一下什么是特征工程。 一、特征工程初步了解 特征工程（FeatureEngineering）特征工程是将原始数据转化成更好的表达问题本质的特征的过程，使得将这些特征运用到预测模型中能提高对不可见数据的模型预测精度。 举一个简单的例子：我们想以某城市的区为单位来预测房价，那么原始数据中的房屋所在经纬度数据就需要经过处理，将其根据经纬度归入某一区，这就是一次简单的特征工程，从原始数据创造了新的数据，而新的数据才能更好的完成本次任务。 当然，并非所有的属性都是特征，只
零基础入门数据挖掘——二手车交易价格预测
homer_of的博客
04-13 1498
零基础入门数据挖掘——二手车交易价格预测 一、 赛题理解 Tip:此部分为零基础入门数据挖掘的 Task1 赛题理解 部分，为大家入门数据挖掘比赛提供一个基本的赛题入门讲解，欢迎后续大家多多交流。 赛题：零基础入门数据挖掘 - 二手车交易价格预测 地址：https://tianchi.aliyun.com/competition/entrance/231784/introduction?spm=5176.12281957.1004.1.38b02448ausjSX 1.1 学习目标 1）理解赛题数据和目标，
零基础入门数据挖掘 - 二手车交易价格预测 Task5
chiyuhan89的博客
04-24 735
本次的任务是模型融合。 首先，搞明白什么是模型融合： 模型融合就是综合考虑不同模型的情况，并将它们的结果融合到一起。模型融合主要通过几部分来实现：从提交结果文件中融合、stacking和blending。 集成学习（Ensemble Learning) 在机器学习的有监督学习算法中，我们的目标是学习出一个稳定的且在各个方面表现都较好的模型，但实际情况往往不这么理想，有时我们只能得到多个有偏好的模型（弱监督模型，在某些方面表现的比较好）。集成学习就是组合这里的多个弱监督模型以期得到一个更好更全面的强监督
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值