- 博客(2)
- 收藏
- 关注
RSS订阅原创 Kaggle竞赛——London House Price Prediction: Advanced Techniques
本次竞赛旨在基于一系列反映房产特征及交易背景的指标，预测伦敦房屋的未来售价。数据集包含每处房产的多项属性，如卧室数量、浴室数量、房产类型、面积、地理位置及能源评级。此外，每笔交易均标注了成交的具体月份和年份，为预测模型融入时间趋势提供了可能。参赛者需构建机器学习模型，基于上述特征精准预测房产售价。模型不仅要考量房产的静态特征，还需综合分析市场环境与房产特性的动态演变。评估方式与验证策略优化。
2026-01-13 20:37:20
962
原创 Kaggle竞赛——London House Price Prediction: Advanced Techniques
1）评估方式与验证策略优化采用 KFold / StratifiedKFold（按价格分桶后分层）交叉验证：你现在只做一次 9:1 切分，成绩波动较大；K 折能更稳定评估泛化能力，避免“刚好切到简单/困难验证集”。线上指标一致性：如果 Kaggle 的评估指标是在原始 price 空间（常见是 RMSE/MAE），建议在验证时也把 log10 预测还原后再评估，减少“离线好看但线上不对齐”的情况。避免数据泄露：当前用 test 的众数/中位数来填 train，会引入测试集分布信息。
2026-01-12 21:08:05
786
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人