数据挖掘第四周周报

• 数据挖掘第四周周报

• 1、本周工作
  • 本周主要是实现了神经神经网络在数据集上的初步运用，在经过主观降维的数据集处理以后，对测试集进行了分类，并得到了结果。如图所示：
  • 

得到了不是0.5的结果，说明神经网络的作用还是有的，但是在经过对于迭代次数的改变和训练集的改变以后，还是没有能优化到一个更好的结果，于是乎我在考虑是不是应该回过头对特征工程进行进一步的处理，

这一周的后几天我都是在处理数据集的特征，https://zhuanlan.zhihu.com/p/43225794.在知乎和谷歌的帮助下，我对很多的降维方法进行尝试，有什么低方差过滤、缺省值删除、高相关过滤、PCA降维等方法，

trainData[numerical_fea] = trainData[numerical_fea].fillna(trainData[numerical_fea].median())
testAData[numerical_fea] = testAData[numerical_fea].fillna(testAData[numerical_fea].median())

mm = MinMaxScaler()
data = mm.fit_transform(data)

pca = PCA(n_components = 10,copy=True)
data = pca.fit_transform(data)

在结