- 博客(4)
- 收藏
- 关注
RSS订阅原创 模型结果融合
目的1、对于多种调参完成的模型进行模型融合。2、完成对于多种模型的融合，提交融合结果并打卡。模型类型Datawhale 零基础入门数据挖掘-Task5 模型融合五、模型融合Tip:此部分为零基础入门数据挖掘的 Task5 模型融合 部分，带你来了解各种模型结果的融合方式，在比赛的攻坚时刻冲刺Top，欢迎大家后续多多交流。赛题：零基础入门数据挖掘 - 二手车交易价格预测地址：http...
2020-04-04 19:11:57
948
原创 建模与调参
目标1、了解常用的机器学习模型2、掌握机器学习模型的建模与调参流程主要内容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；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；3、嵌入式特征选择：Lasso回归；Ridge回归；决策树；4、模型对比：常用线性模型；常...
2020-04-01 21:13:47
107
原创 特征工程
特征工程目的1.对于特征进行进一步分析，并对于数据进行处理2.完成对于特征工程的分析，并对于数据进行一些图表或者文字总结并打卡。主要内容常见的特征工程包括：1.异常处理2.特征归一化/标准化3.数据分桶4.缺失值处理5. 特征构造6. 特征筛选7.降维代码1.导入数据import pandas as pdimport numpy as npimport matpl...
2020-03-28 20:16:24
171
原创 数据的探索性分析
一、EDA（探索性数据分析）1、定义：在统计学中，探索性数据分析（EDA）是一种分析数据集以概括其主要特征的方法，通常使用可视化方法。可以使用或使用统计模型，但主要是EDA是为了了解数据在形式化建模或假设测试任务之外能告诉我们什么。探索性数据分析是John Tukey提拔的鼓励统计学家的研究数据，并尽可能提出假设，尽可能生成新的数据收集和实验。EDA不同于初始数据分析（IDA），它更集中于检查模...
2020-03-24 17:48:14
1308
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人