kaggle竞赛 | Instant Gratification

最新推荐文章于 2025-09-08 13:08:57 发布

原创

最新推荐文章于 2025-09-08 13:08:57 发布 · 691 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #kaggle

文章详细介绍了在Kaggle的InstantGratification比赛中，通过数据预处理（如方差筛选特征），使用QDA（二次判别分析）和按特定特征分组（伪标签）的方法，逐步提高模型预测性能的过程。作者展示了如何利用LogisticRegression和QDA建立模型，并通过ROC曲线评估模型效果。

kaggle比赛链接：
https://www.kaggle.com/competitions/instant-gratification/data

普通方案

# 数据集路径
INPUT_PATH = '../input/'

import numpy as np
import pandas as pd

# 画图
import matplotlib.pyplot as plt
import seaborn as sns

# 警告不输出
import warnings
warnings.filterwarnings("ignore")

import time
import gc

# 进度条
from tqdm import tqdm

# 数据划分，评价指标
from sklearn.model_selection import StratifiedKFold
from sklearn.metrics import roc_auc_score

# 数据集path
train = pd.read_csv(INPUT_PATH + 'train.csv')
test = pd.read_csv(INPUT_PATH + 'test.csv') # 公开的测试集

train.shape, test.shape

在这里插入图片描述

train.head()

在这里插入图片描述

test.head()

在这里插入图片描述

train.describe()

查看所有列名，以及对应的列名
(nunique()方法)返回不同值的个数

for col in train.columns[1:-1]:
    print(col, train[col].nunique())

在这里插入图片描述
可以看到这一列的不同值的个数是512个

train['wheezy-copper-turtle-magic'].value_counts()

在这里插入图片描述

col = 'wheezy-copper-turtle-magic'
sns.displot(train[col])

在这里插入图片描述
查看wheezy-copper-turtle-magic固定的情况下，其他字段的分布情况

col = 'dorky-peach-sheepdog-ordinal'

sns.displot(train[train['wheezy-copper-turtle-magic'] == 12][col])

sns.displot(train[t

最低0.47元/天解锁文章

kaggle竞赛 | Instant Gratification

目录

普通方案