本文使用R语言的lightgbm算法处理不平衡二分类问题，通过特征筛选、参数调优，最终得到高AUC值的模型。在数据探索中处理了类别不平衡和缺失值，特征选择采用卡方检验，调参涉及weight、learning_rate、num_leaves等多个参数。
前言
本案例使用的数据为kaggle中“Santander Customer Satisfaction”比赛的数据。此案例为不平衡二分类问题，目标为最大化auc值（ROC曲线下方面积）。目前此比赛已经结束。
以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！
竞赛题目链接为：
https://www.kaggle.com/c/santander-customer-satisfaction
2.建模思路
本文档采用微软开源的lightgbm算法进行分类，运行速度极快。具体步骤为:
<
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
