sofasofa——交通事故理赔审核

最新推荐文章于 2024-04-08 20:57:25 发布
最新推荐文章于 2024-04-08 20:57:25 发布
阅读量2.7k 收藏 16
点赞数 1
分类专栏： 笔记 sofasofa
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_45980783/article/details/107412544
版权

一、简介

1.背景介绍

在交通摩擦（事故）发生后，理赔员会前往现场勘察、采集信息，这些信息往往影响着车主是否能够得到保险公司的理赔。训练集数据包括理赔人员在现场对该事故方采集的36条信息，信息已经被编码，以及该事故方最终是否获得理赔。我们的任务是根据这36条信息预测该事故方没有被理赔的概率。

2.数据

  • 数据文件
    train.csv 训练集，文件大小 15.6mb
    test.csv 预测集, 文件大小 6.1mb
    sample_submit.csv 提交示例 文件大小 1.4mb
    训练集中共有200000条样本，预测集中有80000条样本。
  • 数据下载
    下载链接：http://sofasofa.io/competition.php?id=2#c1跳转

3.变量说明

变量名释义
CaseId案例编号，没有实际意义
Q1理赔员现场勘察采集的信息，Q1代表第一个问题的信息。信息被编码成数字，数字的大小不代表真实的关系。
Qk同上，Qk代表第k个问题的信息。一共36个问题。
Evaluation表示最终审核结果。0表示授予理赔，1表示未通过理赔审核。在test.csv中，这是需要被预测的标签。

4.评价方法

  1. 提交结果为每个测试样本未通过审核的概率，也就是Evaluation为1的概率。评价方法为精度-召回曲线下面积(Precision-Recall AUC)，以下简称PR-AUC。
  2. PR-AUC的取值范围是0到1。越接近1，说明模型预测的结果越接近真实结果。

二、标杆模型

  • 官方给了两个标杆模型：
    http://sofasofa.io/benchmarks.php?id=2跳转

1.LASSO逻辑回归模型(Python)

import pandas as pd
from sklearn.linear_model import LogisticRegression

# 读取数据
train = pd.read_csv("train.csv")
test = pd.read_csv("test.csv")
submit = pd.read_csv("sample_submit.csv")

# 删除id
train.drop('CaseId', axis=1, inplace=True)
test.drop('CaseId', axis=1, inplace=True)

# 取出训练集的y
y_train = train.pop('Evaluation')

# 建立LASSO逻辑回归模型
clf = LogisticRegression(penalty='l1', C=1.0, random_state=0)
clf.fit(train, y_train)
y_pred = clf.predict_proba(test)[:, 1]

# 输出预测结果至my_LASSO_prediction.csv
submit['Evaluation'] = y_pred
submit.to_csv('my_LASSO_prediction.csv', index=False)
  • 该模型预测结果的PR-AUC为：0.714644

2.随机森林分类模型(Python)

import pandas as pd
from sklearn.ensemble import RandomForestClassifier

# 读取数据
train = pd.read_csv("train.csv")
test = pd.read_csv("test.csv")
submit = pd.read_csv("sample_submit.csv")

# 删除id
train.drop('CaseId', axis=1, inplace=True)
test.drop('CaseId', axis=1, inplace=True)

# 取出训练集的y
y_train = train.pop('Evaluation')

# 建立随机森林模型
clf = RandomForestClassifier(n_estimators=100, random_state=0)
clf.fit(train, y_train)
y_pred = clf.predict_proba(test)[:, 1]

# 输出预测结果至my_RF_prediction.csv
submit['Evaluation'] = y_pred
submit.to_csv('my_RF_prediction.csv', index=False)
  • 该模型预测结果的PR-AUC为：0.850897

3.总结

因为该比赛的评价方法是通过计算PR-AUC进行比较。根据给出的两个不同的模型和其PR-AUC值，可以知道随机森林分类模型的PR-AUC是两个模型里最低的，所以我们直接对随机森林分类模型进行处理。

三、基础准备

1.混淆矩阵

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.PR-AUC的定义

在这里插入图片描述

3.PR-AUC的计算方法

  • 使用sklearn.metrics.average_precision_score
>>> import numpy as np
>>> from sklearn.metrics import average_precision_score
>>> y_true = np.array([0, 0, 1, 1])
>>> y_predict = np.array([0.1, 0.4, 0.35, 0.8])
>>> average_precision_score(y_true, y_predict)  
0.791666666

四、数据预处理

1.缺失值

代码：

print(train.info())

结果：
在这里插入图片描述
可以看到结果图最后一行返回的是“None”，也就是说没有缺失值！

  • 若是有缺失值，可以用下面这行代码进行剔除：
dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)

更多关于缺失值的操作：https://blog.csdn.net/qq_41780234/article/details/102794601传送门

2.观察变量信息

代码：

print(train.describe())

结果：
在这里插入图片描述

3.相关系数查看

代码：

#导入numpy库	
#补充在在最开始导入库的版块里
import numpy as np

#格式：corr=文件名.corr
#0.2只是我的建议范围，波动范围在0.0~1.0
corr = train.corr()
corr[np.abs(corr) < 0.2] = np.nan		#绝对值低于0.2的就用nan替代
print(corr)

结果：
在这里插入图片描述
之所以选择0.2是因为：0.2-0.4弱正相关；0.4-0.6算中等相关；0.6-0.8达到强正相关。可以看出不同变量之间的关联不大。

4.重复值

代码：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
import xgboost as xgb
from sklearn.metrics import accuracy_score

train = pd.read_csv(r"E:\my code\train.csv")
test = pd.read_csv(r"E:\my code\test.csv")
submit = pd.read_csv(r"E:\my code\sample_submit.csv")

# 去掉没有意义的一列
train.drop('CaseId', axis=1, inplace=True)

train.drop_duplicates(subset=None,keep='first',inplace=True)
print(train)

结果：
在这里插入图片描述

五、随机森林模型调参

1.交叉验证

数据集上实现一个分类森林，用随机森林训练并进行交叉验证：

#导入必要的包
from sklearn.ensemble import RandomForestClassifier 
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split,GridSearchCV,cross_val_score
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 读取数据
train = pd.read_csv(r"E:\my code\train.csv")
test = pd.read_csv(r"E:\my code\test.csv")
submit = pd.read_csv(r"E:\my code\sample_submit.csv")

#导入数据集
data = load_digits()
x = data.data
y = data.target

RF = RandomForestClassifier(random_state = 66)
score = cross_val_score(RF,x,y,cv=10).mean()
print('交叉验证得分: %.4f'%score)

结果：
交叉验证的得分为0.9460
在这里插入图片描述

2.选择criterion参数

这个参数只有两个参数 ‘entropy’（熵） 和 ‘gini’（基尼系数）可选，虽然但是，一般默认为gini

代码：

RF = RandomForestClassifier(random_state = 66)
score = cross_val_score(RF,x,y,cv=10).mean()
print('基尼系数得分: %.4f'%score)
RF = RandomForestClassifier(criterion = 'entropy',random_state = 66)
score = cross_val_score(RF,x,y,cv=10).mean()
print('熵得分: %.4f'%score)

结果：
在这里插入图片描述

3.选择n_estimators的最佳值

代码：

###调n_estimators参数
ScoreAll = []
for i in range(10,200,10):
    DT = RandomForestClassifier(n_estimators = i,random_state = 66) #,criterion = 'entropy'
    score = cross_val_score(DT,data.data,data.target,cv=10).mean()
    ScoreAll.append([i,score])
ScoreAll = np.array(ScoreAll)

max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] ##这句话看似很长的，其实就是找出最高得分对应的索引
print("最优参数以及最高得分:",ScoreAll[max_score])  
plt.figure(figsize=[20,5])
plt.plot(ScoreAll[:,0],ScoreAll[:,1])
plt.show()

结果：
最优参数以及最高得分: [150.0.94990999]
在这里插入图片描述
在这里插入图片描述

4.缩小n_estimators最优值范围

代码：

###进一步缩小范围，调n_estimators参数
ScoreAll = []
for i in range(100,160):
    DT = RandomForestClassifier(n_estimators = i,random_state = 66)   #criterion = 'entropy',
    score = cross_val_score(DT,data.data,data.target,cv=10).mean()
    ScoreAll.append([i,score])
ScoreAll = np.array(ScoreAll)

max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] ##这句话看似很长的，其实就是找出最高得分对应的索引
print("最优参数以及最高得分:",ScoreAll[max_score])  
plt.figure(figsize=[20,5])
plt.plot(ScoreAll[:,0],ScoreAll[:,1])
plt.show()

结果：
最优参数以及最高得分: [151.0.95102421]；可以看到，151为得分最高点，我们暂定n_estimators为151。
在这里插入图片描述
在这里插入图片描述

5.选择max_depth最优值

代码：

###粗调max_depth参数
ScoreAll = []
for i in range(10,30,3):
    DT = RandomForestClassifier(n_estimators = 151,random_state = 66,max_depth =i ) #,criterion = 'entropy'
    score = cross_val_score(DT,data.data,data.target,cv=10).mean()
    ScoreAll.append([i,score])
ScoreAll = np.array(ScoreAll)

max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] ##这句话看似很长的，其实就是找出最高得分对应的索引
print("最优参数以及最高得分:",ScoreAll[max_score])  
plt.figure(figsize=[20,5])
plt.plot(ScoreAll[:,0],ScoreAll[:,1])
plt.show()

结果：
最优参数以及最高得分: [19.0.95102421]
在这里插入图片描述
在这里插入图片描述

6.缩小max_depth最优值的范围

转折点在19，但是19之后一直没有变化，可以说明就算不限制，所有树的最大深度也就是19左右，因为是以步长为3搜索的，所以还需要进行下一步搜索一下19附近的值。

（1）第一次缩范围：调节步长
代码：

ScoreAll = []
for i in range(10,30,1):                        #把步长调为1
    DT = RandomForestClassifier(n_estimators = 151,random_state = 66,max_depth =i ) #,criterion = 'entropy'
    score = cross_val_score(DT,data.data,data.target,cv=10).mean()
    ScoreAll.append([i,score])
ScoreAll = np.array(ScoreAll)

max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] ##这句话看似很长的，其实就是找出最高得分对应的索引
print("最优参数以及最高得分:",ScoreAll[max_score])  
plt.figure(figsize=[20,5])
plt.plot(ScoreAll[:,0],ScoreAll[:,1])
plt.show()

结果：
在这里插入图片描述
在这里插入图片描述

（2）第二次缩范围：调节范围

代码：

ScoreAll = []
for i in range(15,20,1):
    DT = RandomForestClassifier(n_estimators = 151,random_state = 66,max_depth =i ) #,criterion = 'entropy'
    score = cross_val_score(DT,data.data,data.target,cv=10).mean()
    ScoreAll.append([i,score])
ScoreAll = np.array(ScoreAll)

max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] ##这句话看似很长的，其实就是找出最高得分对应的索引
print("最优参数以及最高得分:",ScoreAll[max_score])  
plt.figure(figsize=[20,5])
plt.plot(ScoreAll[:,0],ScoreAll[:,1])
plt.show()

结果：
最优参数以及最高得分: [17.0.95102421]；精细搜索之后发现，17这个值就是转折点，所以暂定max_depth = 17。
在这里插入图片描述
在这里插入图片描述

7.选择min_samples_split的最佳参数

因为min_samples_split最小值就是2，所以直接从2开始调起。

代码：

###调min_samples_split参数
ScoreAll = []
for i in range(2,10):
    RF = RandomForestClassifier(n_estimators = 151,random_state = 66,max_depth =17,min_samples_split = i ) #,criterion = 'entropy'
    score = cross_val_score(RF,data.data,data.target,cv=10).mean()
    ScoreAll.append([i,score])
ScoreAll = np.array(ScoreAll)

max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] ##这句话看似很长的，其实就是找出最高得分对应的索引
print("最优参数以及最高得分:",ScoreAll[max_score])  
plt.figure(figsize=[20,5])
plt.plot(ScoreAll[:,0],ScoreAll[:,1])
plt.show()

结果：
最优参数以及最高得分: [2. 0.95102421]；可以看到，随着min_samples_split增大，模型得分下降，说明没有出现过拟合现象，min_samples_split暂定2。
在这里插入图片描述
在这里插入图片描述

8.选择min_samples_leaf的最佳参数

代码：

###调min_samples_leaf参数
ScoreAll = []
for i in range(1,15,2):
    DT = RandomForestClassifier(n_estimators = 151,random_state = 66,max_depth =17,min_samples_leaf = i,min_samples_split = 2 ) 
    score = cross_val_score(DT,data.data,data.target,cv=10).mean()
    ScoreAll.append([i,score])
ScoreAll = np.array(ScoreAll)

max_score = np.where(ScoreAll==np.max(ScoreAll[:,1]))[0][0] ##这句话看似很长的，其实就是找出最高得分对应的索引
print("最优参数以及最高得分:",ScoreAll[max_score])  
plt.figure(figsize=[20,5])
plt.plot(ScoreAll[:,0],ScoreAll[:,1])
plt.show()

结果：
最优参数以及最高得分: [1. 0.95102421]
在这里插入图片描述
在这里插入图片描述

9.max_features的调参

代码：

#调max_features参数
param_grid = {
    'max_features':np.arange(0.1, 1)}

rfc = RandomForestClassifier(random_state=66,n_estimators = 151,max_depth = 17,min_samples_leaf =1 ,min_samples_split =2 )
GS = GridSearchCV(rfc,param_grid,cv=10)
GS.fit(data.data,data.target)
print(GS.best_params_)
print(GS.best_score_)

结果：
{‘max_features’: 0.1}
0.9526877715704531
在这里插入图片描述

10.最佳参数汇总

参数最优值
n_estimators151
max_depth17
min_samples_split2
min_samples_leaf1
max_features0.1

六、最优参数附近进行小范围网格搜索

因为手动调参时，这些参数可能会相互影响，导致得到的参数还不是最优的。所以在最优参数附近进行小范围的网格搜索，排出相互影响的因素。

但这次的数据量巨大，不需要网格搜索，且耗时巨长，博主跑了一个下午都没出结果，遂决定放弃。

七、随机森林的最终结果

代码：

#导入必要的包
from sklearn.ensemble import RandomForestClassifier 
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split,GridSearchCV,cross_val_score
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 读取数据
train = pd.read_csv(r"E:\my code\train.csv")
test = pd.read_csv(r"E:\my code\test.csv")
submit = pd.read_csv(r"E:\my code\sample_submit.csv")

#导入数据集
data = load_digits()
x = data.data
y = data.target

# 删除id
train.drop('CaseId', axis=1, inplace=True)
test.drop('CaseId', axis=1, inplace=True)

# 取出训练集的y
y_train = train.pop('Evaluation')

# 建立随机森林模型
clf = RandomForestClassifier(random_state=66,n_estimators = 151,max_depth = 17,min_samples_leaf =1 ,min_samples_split =2 )
clf.fit(train, y_train)
y_pred = clf.predict_proba(test)[:, 1]

# 输出预测结果至my_RF_prediction.csv
submit['Evaluation'] = y_pred
submit.to_csv('my_RF_prediction3.csv', index=False)

结果：
结果不尽人意，比标杆模型的auc还低 QAQ
在这里插入图片描述

八、Xgboost模型优化

1.特征工程——整体相关性分析

from sklearn.ensemble import RandomForestClassifier 
from sklearn.datasets import load_digits
from sklearn.model_selection import train_test_split,GridSearchCV,cross_val_score
from sklearn.metrics import accuracy_score
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import seaborn as sn


# 读取数据
train = pd.read_csv(r"E:\my code\train.csv")
test = pd.read_csv(r"E:\my code\test.csv")
submit = pd.read_csv(r"E:\my code\sample_submit.csv")

sn.heatmap(train.corr())
plt.show()

在这里插入图片描述
放大右下角：
在这里插入图片描述

2.最后的模型

代码：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
import xgboost as xgb
from sklearn.metrics import accuracy_score

traindata = pd.read_csv(r"E:\my code\train.csv")
testdata = pd.read_csv(r"E:\my code\test.csv")
submitdata = pd.read_csv(r"E:\my code\sample_submit.csv")

# 去掉没有意义的一列
traindata.drop('CaseId', axis=1, inplace=True)
testdata.drop('CaseId', axis=1, inplace=True)

# 从训练集中分类标签
trainlabel = traindata['Evaluation']
traindata.drop('Evaluation', axis=1, inplace=True)

traindata1, testdata1, trainlabel1 = traindata.values, testdata.values, trainlabel.values
# 数据集分割
X_train, X_test, y_train, y_test = train_test_split(traindata1, trainlabel1,
                                                    test_size=0.3, random_state=123457)
# 训练模型
model = xgb.XGBClassifier(max_depth=5,
                          learning_rate=0.1,
                          min_child_weight=4,
                          gamma=0.5,
                          n_estimators=5000,
                          silent=True,
                          objective='binary:logistic',
                          nthread=4,
                          seed=27,
                          scale_pos_weight=1,
                          subsample=0.9,
                          colsample_bytree=0.6,
                          reg_alpha=10,
                         colsample_bylevel=1,
                         base_score=0.5,
                          )

model.fit(X_train, y_train)

# 对测试集进行预测
y_pred = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('accuracy:%2.f%%' % (accuracy * 100))


#查看AUC评价标准
from sklearn import metrics
#必须二分类才能计算
print("AUC Score (Train): %f" % metrics.roc_auc_score(y_test, y_pred))

def run_predict():
    y_pred_test = model.predict_proba(testdata1)[:, 1]
    # 保存预测的结果
    submitData = pd.read_csv(r"E:\my code\sample_submit.csv")
    submitData['Evaluation'] = y_pred_test
    submitData.to_csv("xgboost9.csv", index=False)

run_predict()

多次调整后：
在这里插入图片描述
在这里插入图片描述
= =

九、参考文章

  1. https://blog.csdn.net/u013044310/article/details/104045284跳转
  2. https://www.cnblogs.com/wj-1314/p/10790197.html跳转
  3. https://www.jianshu.com/p/de1df23bee31跳转

在这里插入图片描述

Chan_pikxxx
关注
专栏目录
交通事故理赔审核竞赛
LDD1764759304的博客
07-31 2117
目录 1.竞赛概要 2.数据清洗 3.特征处理 4.模型选择 1.竞赛概要 本比赛为个人练习赛，适用于入门二元分类模型。 任务类型：二元分类 背景介绍: 在交通摩擦（事故）发生后，理赔员会前往现场勘察、采集信息，这些信息往往影响着车主是否能够得到保险公司的理赔。训练集数据包括理赔人员在现场对该事故方采集的36条信息，信息已经被编码，以及该事故方最终是否获得理赔。我们的任务是根据这36条信息预测该事故方没有被理赔的概率。 2.数据清洗 数据清洗其中就是缺失值的处理和重复值的删除，如图1。 在这个原始的数
机器学习竞赛Sofasofa
柠檬黄先生的博客
04-16 1973
这两天看了SofaSofa上的新手赛，有一个根据名字预测性别的：参考标杆模型 自己也试着从头到尾写了一遍提交上去结果82% 嗯排名是很迷 53/104 ，（耗时一天)继续努力~ 这里说一下思路，（说一下 这个是给我自己看的 写的太乱，主要是记录下来方便我以后理解） 就是首先需要导入数据 由于是使用了pandas的read_csv()函数 得到的数据类型是DataFrame 所以相关操作需要熟...
理赔预测
哈哈哈博客
04-12 655
分析各个变量对理赔的影响：import pandas as pd from scipy import stats import numpy as np import matplotlib.pyplot as plt import seaborn as sns def anova(frame,qualitative): anv=pd.DataFrame() anv['feature...
sofasofa—公共自行车使用量预测—参数调整、优化结果
weixin_45980783的博客
06-11 1850
一、简介 1.背景介绍 公共自行车低碳、环保、健康，并且解决了交通中“最后一公里”的痛点，在全国各个城市越来越受欢迎。本练习赛的数据取自于两个城市某街道上的几处公共自行车停车桩。我们希望根据时间、天气等信息，预测出该街区在一小时内的被借取的公共自行车的数量。 2.数据 数据文件： train.csv 训练集，文件大小 273kb test.csv 预测集, 文件大小 179kb sample_submit.csv 提交示例 文件大小 97kb 训练集中共有10000条样本，预测集中有7000条样本。 数据
sofasofa-机器读中文：根据名字判断性别
Jimmy and Zoey
01-06 662
题目地址：机器读中文：根据名字判断性别 sofasofa官方答案用python2写的，python3直接抄会出错。这里是经改写的答案。 import pandas as pd import numpy as np from collections import Counter # 读取数据 train = pd.read_table('train.txt', ',') test = pd.rea...
sofasofa上的交通理赔 模型：朴素贝叶斯
qq_33361080的博客
09-11 315
1.加载数据集 import pandas as pd data = pd.read_csv('train.csv') #使用dropna方法删除含有缺失值的行，默认是行 直接在原DF上进行删除 不返回 data.dropna(inplace=True) #Evaluation 0表示授予理赔，1表示未通过理赔审核 data.head(3) #data.info()#没有缺失值 2.分割正...
交通事故理赔程序.doc.docx
01-16
交通事故理赔程序的详细说明 在交通事故理赔程序中，保险公司会根据事故情况和保险政策对赔偿进行分类和计算。本文将详细介绍交通事故理赔程序中的重要知识点。 一、医疗费用赔偿项目 医疗费用赔偿项目中包括医疗...
详解交通事故理赔保险理赔程序.doc
10-08
详解交通事故理赔保险理赔程序.doc
行业资料-交通装置-一种交通事故定责理赔方法.zip
08-29
行业资料-交通装置-一种交通事故定责理赔方法.zip
AutoEncoder-AnomalyDetection
samanthamao的博客
05-09 766
import warnings warnings.filterwarnings("ignore") import pandas as pd import numpy as np import pickle import matplotlib.pyplot as plt plt.style.use('seaborn') import tensorflow as tf import seaborn as sns from sklearn.model_selection import train_test_s.
Insurance Claim Dataset 保险索赔数据集-数据集
03-18
该数据集为保险索赔数据集。 bene_file.csv Inpatient_Claim.csv
sofasofa——形状识别2：方圆之外
weixin_45980783的博客
09-01 708
一、简介 1.背景介绍 我们给出六千张图像作为训练集。每个图像中只有一个图形，要么是圆形，要么是正方形。任务是根据这六千张图片训练出一个二元分类模型，并用它在测试集上判断每个图像中的形状是圆还是方；测试集中有些图像既不是圆、也不是方，也请将它们甄别出来。（比赛链接） 2.数据 数据文件： train.csv 训练集，文件大小 34.7mb test.csv 预测集, 文件大小 30.0mb sample_submit.csv 提交示例 文件大小 40kb 数据说明： 训练集中共有6000个灰度图像，预测集
【机器学习】利用Autoencoder进行无监督异常检测（含代码）
最新发布
wzk4869的博客
04-08 3403
【机器学习】利用Autoencoder进行无监督异常检测（含代码）
sofasofa——足球运动员身价估计
weixin_45980783的博客
08-15 2914
一、简介 1.背景介绍 每个足球运动员在转会市场都有各自的价码。本次数据练习的目的是根据球员的各项信息和能力值来预测该球员的市场价值。 2.数据 数据文件 train.csv 训练集，文件大小 2.20mb test.csv 预测集, 文件大小 1.44kb sample_submit.csv 提交示例 文件大小 62kb 数据来源 FIFA2018。为了公平起见，数据已经进行脱敏加工处理。 数据说明 训练集中共有10441条样本，预测集中有7000条样本。每条样本代表一位球员，数据中每个球员有63项属性
【从零入门人工智能】异常检测实战_数据集：anomaly_data.csv
David的博客
12-28 1363
本次实验，通过计算数据各维度对应的高斯分布概率密度函数，可用于寻找到数据中的异常点;通过修改概率密度阈值contamination，可调整异常点检测的灵敏度;异常值的检测在实际的生活中应用的比较广泛，例如一些传感器的数据检测，如果传感器的数据出现了异常，我们需要及时的对异常进行排除，对损坏的传感器进行更换，否则会导致检测结果的准确性下降。
15个车辆信息检测数据集收集汇总（简介及链接）
weixin_40227656的博客
06-08 2470
转载：https://www.pianshen.com/article/20952028469/
sofasofa竞赛：一 公共自行车使用量预测
abc_138的博客
09-28 2595
一 简介 背景介绍:  公共自行车低碳、环保、健康，并且解决了交通中“最后一公里”的痛点，在全国各个城市越来越受欢迎。本练习赛的数据取自于两个城市某街道上的几处公共自行车停车桩。我们希望根据时间、天气等信息，预测出该街区在一小时内的被借取的公共自行车的数量。  数据下载 地址：http://sofasofa.io/competition.php?id=1 数据文件（三个）：  train.cs...
SOFA 应用架构详解
热门推荐
技术杂谈
06-26 4万+
本文来自作者 张建飞 在 GitChat 上的分享编辑 | 阿笠1. 前言从业这么多年，接触过银行的应用，Apple 的应用，eBay 的应用和现在阿里的应用，虽然分属于...
SOFA原理学习--sofa boot入门学习
井底之蛙
08-25 1万+
        目前Spring boot可以说是Spring web最为流行的开发框架了，目前很多框架都支持Spring boot注册扫描的模式，这篇博客我们用一个示例来展示一下sofa-boot简单的开发工程。 1、创建API中相关接口及实现类 接口： public interface IHelloService { public String sayHello(String...
高分机器学习项目：交通汽车事故理赔预测与数据分析
资源摘要信息:"该资源是一套基于Python实现的机器学习项目，专注于解决交通汽车事故理赔的预测问题。项目包含完整的代码实现、文档说明以及一个包含数万条数据记录的数据集。本项目可以作为计算机相关专业的学生、...
评论 3
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
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