weixin_43989326的博客

【任务1 - 数据分析（2天）】 要求：数据切分方式 - 三七分，其中测试集30%，训练集70%，随机种子设置为2018 任务1：对数据进行探索和分析。时间：2天 数据类型的分析 无关特征删除 数据类型转换 缺失值处理 ……以及你能想到和借鉴的数据分析处理 读入数据import pandas as pddata = pd.read_csv("F:/data_mining/dat...

【模型评估（2天）】 记录5个模型（逻辑回归、SVM、决策树、随机森林、XGBoost）关于accuracy、precision，recall和F1-score、auc值的评分表格，并画出ROC曲线。from sklearn.metrics import accuracy_score, recall_score, f1_score, roc_auc_score, roc_curvef...

【模型构建（2天）】 用逻辑回归、svm和决策树；随机森林和XGBoost进行模型构建，评分方式任意，如准确率等。（不需要考虑模型调参）from sklearn.linear_model import LogisticRegressionfrom sklearn.svm import SVCfrom sklearn.tree import DecisionTreeClassifier...

【特征工程（2天）】 对数据特征进行衍生和进行特征挑选。特征衍生 特征挑选：分别用IV值和随机森林等进行特征选择 ……以及你能想到特征工程处理特征衍生特征衍生的方法有：1.利用决策树、线性组合等方法创造新特征2.将特征升维特征挑选：1.过滤法2.嵌入法3.利用IV值和决策树进行特征挑选参考：https://cloud.tencent.com/devel...

【模型调优（2天）】 使用网格搜索法对5个模型进行调优（调参时采用五折交叉验证的方式），并进行模型评估，记得展示代码的运行结果。使用网格搜索法对5个模型进行调优import pandas as pd from sklearn.model_selection import train_test_splitfrom sklearn.linear_model import Logist...

【模型融合（2天）】 模型融合，模型融合方式任意，并结合Task5给出你的最优结果。 例如Stacking融合，用你目前评分最高的模型作为基准模型，和其他模型进行stacking融合，得到最终模型及评分结果。from mlxtend.classifier import StackingCVClassifier, StackingClassifiers_clf = StackingCl...