大唐杯5G智能网络优化学习

1.依次选择数据类型

2.数据导入

3.问题分析： 找到指标恶化的位置

4.生成关联系数:权重越高代表影响越大，记录下是那些的关联度较高

5.生成相关矩阵： 矩阵中深蓝色的是相关性较高的特征，要选择性删除，不要都选上进行模型训练，否者可能会出现模型过拟合的问题。

6.机器学习：

7.模型训练 ：切换各自选项，得到测试集评分较高的情况再进行下一步
不可以下一步的情况：

可以下一步的情况：

8.参数调优：找到对应日期与关联性较高的参数，根据其他日期的参数进行对比调整

可以看见曲线得到了优化：

原曲线

优化后曲线：

然后在分析报告里写清楚解决的途径：从6.13号的下行速率低于0.4为恶化指标，通过生成的关联系数发现相关的参数中xxxxx相关性较高，通过生成相关矩阵找到相关系数很高的关联系数，选择性删除其中xxxxx,以避免模型过拟合问题。
通过在参数调优时调整那几个xxxxxxx参数，将其调整到合适值并查看调整后的预测曲线，预测曲线显示下行速率得到了优化。