【第17期Datawhale | 零基础入门金融风控-贷款违约预测】Task04：建模与调参（3天） : 调参一下记录和结果

01 简单编写了一个暴力枚举找到一个分值更高的系数比 best = [0.5, 0.5]

提交结果为每个测试样本是1的概率，也就是y为1的概率。评价方法为AUC评估模型效果（越大越好）。
best_auc = 0
best = [0.5 , 0.5]
for i in range(0, 101, 1):
    j = 100 - i
    attack_test = lightgbm_train*0.01*i + cat_model_train*0.01*j
    attack_auc = roc_auc_score(y_score=attack_test, y_true=y_train)
    if attack_auc > best_auc:
        best_auc = attack_auc
        best[0], best[1] = 0.01*i, 0.01*j
        # print(i,j,'>>>>>' ,best, best_auc)

print('finall: best_auc = %s, best = %s' % (best_auc , best))

实际输出

finall: best_auc = 0.7292665937162145, best = [0.5, 0.5]
与baseline的保持了一致!

02 记录一下调参记录和结果

03 结论: 优化来优化去,回头才跑了一下baseline,发现都是负优化,惨!~