- 博客(5)
- 收藏
- 关注
RSS订阅原创 win10安装CUDA+cuDNN+Pytorch+PyG
一起动手学习神经网络——Pytorch和PYG包的安装总结了多篇文档的内容，把自己安装的步骤写下来，以便在后续过程中直接进行安装。第一步：安装Visual Studio 2017,并且选好 C++/CLI support和VC++ 2015.3 v14.00(v140) toolset for Desktop两个在visual C+++ build tools下面的包;先下载在线安装版，运行起来后选择性安装。如果不进行第一步，直接安装cuda会在最后一部报错，切记。第二步：安装cuda。什么是
2021-06-19 12:11:46
420
1
原创 记录我的组队学习之路——基于二手车价格预测比赛——特征筛选、建模、优化
前面已经通过特征工程对特征进行了预处理，并且构造了新的特征，接下来我们就可以进行建模，筛选特征、调参优化。总体思路如下：使用树模型（xgb/randomForest）看一下现所有特征建模结果，以此作为一个基准；选择入模特征；使用xgb、randomForest、lightgbm分别进行建模，选出冠军模型；对冠军模型参数进行调节，保存模型可尝试学习模型融合。初次建模我使用xgb模...
2020-04-11 09:59:54
302
原创 记录我的组队学习之路——基于二手车价格预测比赛——特征工程
**什么是特征过程**我自己的理解就是我们在建模解决实际问题时，会在建模前收集可能与实际业务有关的特征，但这些特征可能是一些单一的特征，通过EDA也发现这些特征值有异常值，缺失值等，不同的模型对特征的要求不同，这些特征直接进入模型的效果往往不好，因此，我们需要对特征进行清洗，加工，筛选最终进入模型。以下数据处理过程以二手车价格预测比赛为例**异常值处理**异常值处理方法有很多如3西格玛法，...
2020-03-31 15:36:17
164
原创 记录我的组队学习之路——基于二手车价格预测比赛——EDA
EDA探索性数据分析（Exploratory Data Analysis 简称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，不同于初始数据分析（IDA）,它更集中于检查模型拟合和假设检验所需的假设，以及处理缺少的值，并根据需要进行变量转换。EDA包含IDA。探索性分析的过程：1.形成假设，确定主题去探索；2.清理数据；3.评价数据质量；4.数据报表；5.探索分析...
2020-03-23 19:08:03
164
原创 记录我的组队学习之路——基于二手车价格预测比赛——赛题理解
自从毕业之后，都没有好好的系统性进行数据挖掘学习了，基于datawhale这次组织的组队学习，以赛练技，加深自己对数据挖掘过程各个环节的理解。理解赛题数据目标：对二手车价格进行预测。*[平常我做的一般都是预测类模型，这次是回归型模型可以好好学一下。]训练集：15W;测试集A：5W;测试集B：5W;两个测试集的设置的作用是什么，跨时间，跨区域？特征个数：31个，其中15个匿名变量。...
2020-03-23 10:40:42
178
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