2018-3-3周总结

这周主要做了模型训练和离线数据统计，模型训练：由于正样本：负样本大约为11:1，因此主要是分配数据方式不一样，一种是按全量正负样本1:1，训练测试集3:1；另一种是按训练集中正负样本：1:1，测试集中全为正样本；用的是LGBM，图中遇到模型特征重要度跟平常不太一样，不是处于0-1之间，但翻看python api源码得知，其返回就是一个计算重要度得到的值；另外调试代码的时候注意，遇到除了本文件之外文件报错，也可以用ctrl+鼠标来定位，copy错误提示，找到源码处咋写的；另外做了离线数据统计，主要是将得到的概率值进行区间划分，使其区间内的特定指标区分度较大，主要由3种方式：1）均匀划分概率区间，以0.1为间隔，统计10各区间内样本特定列的数量，以及指标；2）按照1）的基础，在1）上大致找到关注的区分度指标的分布情况，人为找到区分点；3）将公司是否吊销，与其预测得到的概率值作为样本，输入到decesion_tree中，设置相关参数，找到最佳分割点，所谓的ctree指的是python中集成的多种与树有关的算法；需要学习的东西：pycharm工具的使用，git的使用，api是什么东西，怎么写的？python初始化变量的机制；