2018平安产险数据建模大赛 驾驶行为预测驾驶风险中遇到的问题及解决方案

本文探讨了数据预处理中的数据清洗方法,并介绍了如何选择适当的特征进行分类与回归任务。针对正样本过少的问题,文章对比了深度模型与传统方法如SVM的效果,并提出了采用广义线性回归作为解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2018平安产险数据建模大赛 驾驶行为预测驾驶风险中遇到的问题及解决方案
1、数据需要清洗
注意在读取csv格式文件之后需要对空值进行补全类似如下代码:
2018平安产险数据建模大赛 驾驶行为预测驾驶风险中遇到的问题及解决方案
2、特征工程
此处选取以下几个指标作为分类和回归的特征
2018平安产险数据建模大赛 驾驶行为预测驾驶风险中遇到的问题及解决方案
3、深度模型失效
通过日志发现 正样本即Y>0的样本所占比例在14%左右,深度分类模型可能将所有的数据分为Y=0导致没有数据进行回归

所以此处采用传统方法 使用SVM 方法和 决策树进行分类
进过测试发现SVM效果较好

4、正样本过少
考虑将回归模型改为广义线性回归 放弃深度模型
或者 改变 先分类后回归的模式 下采样 解决问题

转载于:https://blog.51cto.com/yixianwei/2120336

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值