集成学习下 03幸福感预测实战

最新推荐文章于 2024-12-21 17:08:33 发布

ritatype

最新推荐文章于 2024-12-21 17:08:33 发布

阅读量240

点赞数

本文链接：https://blog.youkuaiyun.com/ritatype/article/details/116864662

版权

本文介绍了一个基于集成学习的幸福感预测项目。首先，对包含139个离散特征的数据集进行清洗，处理异常值和缺失值。然后进行特征工程，包括数据增广和one-hot编码。接着，使用lightgbm、xgboost、随机森林、梯度提升决策树和极端随机森林回归等模型进行特征建模，并通过stacking集成。最终，通过调整特征和模型，通过stacking获得0.4494572856014824的预测结果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

集成学习下 03幸福感预测实战

项目和代码开源地址：datawhale

1. 赛题思路

首先分析变量维数和特征，赛题变量维数139维，均为离散变量/特征。对训练集中数据进行清洗，根据不同变量对应index的值，进行异常值的去除、补充缺失值、修改错误值的操作。如下所示：

#填充缺失值 共25列 去掉4列 填充21列
#以下的列都是缺省的，视情况填补
data['work_status'] = data['work_status'].fillna(9)#修改为其他
data['work_yr'] = data['work_yr'].fillna(0)
data['work_manage'] = data['work_manage'].fillna(0)
data['work_type'] = data['work_type'].fillna(0)

data['edu_yr'] = data['edu_yr'].fillna(0)
data['edu_status'] = data['edu_status'].fillna(0)

data['s_work_type'] = data['s_work_type'].fillna(0)
data['s_work_status'] = data['s_work_status'].fillna(9)#修改其他
data['s_political'] = data['s_political'].fillna(0)
data['s_hukou'] = data['s_hukou'].fillna(8)
data['s_income'] = data['s_income'].fillna(0)
data['s_birth'] = data['s_birth'].fillna(0)
data['s_edu'] = data['s_edu'].fillna(14)
data['s_work_exper'] = data['s_work_exper'].fillna(0)

data['minor_child'] = data['minor_child'].fillna(0)
data['marital_now'] = data['marital_now'].fillna(0)
data['marital_1st'] = data['marital_1st'].fillna(0)
data['social_neighbor']