学习资料:
https://github.com/ChuanyuXue/The-Purchase-and-Redemption-Forecast-Challenge-baseline
本次学习总结:
1.特征处理方法的简单归纳:简单转换、聚合特征、描述性统计量特征、时间特征等,且特征处理一般是根据数据分析和探索结果进行处理,因此在做特征工程前,进行EDA是十分必要的
2.利用时间序列的特征进行特征构造,如使用周期因子、及时间序列的波峰波谷信息进行特征构造
3.模型融合方面:由于时间关系,只是简单看了一些关于模型融合方面的理论知识,并没有深入理解消化这块知识,这也是后续需要加强关注的地方
实战结果:
学习了特征处理PPT后,进行了简单的特征处理,如判断是否是周末,判断是否是月末等简单特征,熟悉了特征构造的流程,但对于特征的理解还不够深入,同时在后续的特征选择中还是有一定的问题点,没有很好地使用系统分析方法去筛选特征,只是根据相关系数进行筛选;
本次学习成绩如下: