数据挖掘类竞赛笔记

本文探讨了MSE损失函数在异常值处理中的优势,并详细介绍了数据探索分析的六个步骤,包括数据基本情况检查、密度曲线观察及各类特征与目标变量的关系分析。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

MSE损失函数惩罚损失力度更大,最好要用MSE来当损失函数而不是MAE.MSE、MAE

对异常值进行处理。

步骤:

数据探索分析:

1.数据基本情况,看是否有缺失值,各字段数据类型,数值型字段的统计分布等。

2.观察数据集的密度曲线,看看以后是否需要对数据进行填补以及处理等。

3.类别特征中不同取值下、目标变量的分布。(例如看这个特征对信用分的影响,比如看不看电影对信用分有没有影响)。

4.顺序性的数值字段和目标变量的相关关系。

5.对数据做基本处理,再次观察单变量相关关系(相关性)。例如:长尾分布做对数处理变化。

6.所有连续变量之间的两两相关关系。

 

tip:

1.做离散化处理。防止过拟合。

2.对左偏或者右偏长尾分布做对数处理变化。

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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