zoukankan      html  css  js  c++  java
  • 数据挖掘训练

    参考:https://www.cnblogs.com/zhizhan/p/5238908.html

    titanic比赛

    一些做比赛的要点:

    • 『对数据的认识』
    • 『数据中的特殊点/离群点的分析和处理』
    • 『特征工程(feature engineering)   在很多Kaggle的场景下,甚至比model本身还要重要』
    • 『要做模型融合(model ensemble)』

    这部分根据上面的几个点,做一点笔记

    数据认识 对数据集的了解及可视化

    dataframe.info

     然后通过可视化,分析各个特征对于最后的样本的效果

    如头等舱获救比例更大

    目前已经对各个阶段的图像有了一些了解,可以进行下一阶段了

    预处理与特征工程

    预处理

    通常遇到缺值的情况,我们会有几种常见的处理方式

    • 如果缺值的样本占总数比例极高,我们可能就直接舍弃了,作为特征加入的话,可能反倒带入noise,影响最后的结果了
    • 如果缺值的样本适中,而该属性非连续值特征属性(比如说类目属性),那就把NaN作为一个新类别,加到类别特征中
    • 如果缺值的样本适中,而该属性为连续值特征属性,有时候我们会考虑给定一个step(比如这里的age,我们可以考虑每隔2/3岁为一个步长),然后把它离散化,之后把NaN作为一个type加到属性类目中。
    • 有些情况下,缺失的值个数并不是特别多,那我们也可以试着根据已有的值,拟合一下数据,补充上。

    先把缺失值之类的补上

    把一些特征one-hot化

    特征工程

    除了原本属性的特征外,还应有从原始属性中派生的新属性

    对所有属性进行交叉相关分析...这是探索性分析的必要步骤之一

    研究业务逻辑提取特征

    模型融合

    天池新人实战赛[离线]

  • 相关阅读:
    设计模式之-装饰模式
    设计模式之-组合模式
    设计模式之-桥接模式
    设计模式之-适配器模式
    Java import static 静态导入
    C语言:字符数组 + 字符串指针
    leetcode 435.无重叠区间
    C++:强制类型转换
    C++:移动构造函数和移动赋值运算符
    编程:找出所有符合条件的元素
  • 原文地址:https://www.cnblogs.com/bigjelly/p/7839016.html
Copyright © 2011-2022 走看看