本文分享了一套从特征抽取到模型调优的完整流程，包括使用XGBoost、NN及GBDT等算法进行不同阶段的特征处理和预测，最终实现了模型准确率的有效提升。
主要阶段
step1 ：抽取用户相关特征，用xgboost，分数 0.5 - 0.6
step2 ： 样本特征具有很严重的不平衡性，通过离散化处理， 使用NN来预测， 分数 0.64
step3 ： 全面抽取特征，用xgboost，分数0.55
step4 ： 抽取leak特征，用xgboost，分数 0.58
step5 ： 尝试gbdt + 参数优化， 分数0.734
step6 ： 特征选择 ，RF，分数在0.72左右浮动
为什么xgboost的准确率比gbdt和rf都要低很多
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
