零基础入门数据挖掘 - 二手车交易价格预测比赛记录

最新推荐文章于 2021-04-22 16:10:37 发布
最新推荐文章于 2021-04-22 16:10:37 发布
阅读量366 收藏
点赞数 1
分类专栏： 比赛+项目开源方案 文章标签： 数据挖掘 机器学习 大数据
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_43999137/article/details/105002265
版权

零基础入门数据挖掘 - 二手车交易价格预测

阿里和Datawhale举办的比赛，非常适合入坑。
平时，抽空打打，看不进论文就打比赛吧～
在这里插入图片描述
目前top-5，希望咸鱼保持住，比赛完做一份数据挖掘的总结。

在这里插入图片描述

还有一周，撑住啊阿啊阿啊阿啊阿啊阿啊

在这里插入图片描述
大佬们果然后期发力，顶不住了，最后两天。
在这里插入图片描述

我裂开了。。后期乏力。。大佬发力。。GG

wujiekd
关注
专栏目录
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
03-26 689
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...
零基础入门数据挖掘 - 二手车交易价格预测 赛题理解和EDA
beautiful_well的博客
03-30 1020
这个是DataWhale在本次数据挖掘竞赛提供的学习思路图。
零基础入门数据挖掘 - 二手车交易价格预测
cyanPhoenix的博客
03-23 1145
Datawhale 零基础入门数据挖掘 来源：Datawhale 零基础入门数据挖掘 一、赛题数据 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...
零基础入门数据挖掘 - 二手车交易价格预测 Task5
weixin_43517197的博客
04-04 271
模型融合 一、融合方式 1.简单加权融合: 回归（分类概率）：算术平均融合（Arithmetic mean），几何平均融合（Geometric mean） 分类：投票（Voting) 综合：排序融合(Rank averaging)，log融合 2.stacking/blending: 构建多层模型，并利用预测结果再拟合预测。 3.boosting/bagging（在xgboost，Adab...
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 - 二手车交易价格预测-数据集
03-26
零基础入门数据挖掘-二手车交易价格预测（Day1数据分析）
fengshiyu1997的博客
03-24 1889
零基础入门之数据分析开题语赛题数据字段表评价标准探索性数据分析探索性数据分析的计划基础操作（jupyter notebook环境下）读csv数据输出数据的大小信息浏览数据查看简要信息查看列名数据统计信息浏览查看价格相关性分析结语 开题语 参加比赛的第一件事不是下数据，跑模型，而是要先静下心来读题，磨刀不误砍柴工。 赛题数据 赛题以预测二手车的交易价格为任务，该数据来自某交易平台的二手车交易记...
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
03-21 774
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...
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 Task4
chiyuhan89的博客
04-22 806
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 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 1499
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，
评论 13
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

打赏作者

wujiekd

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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