- 博客(4)
- 收藏
- 关注
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