每天进步一点

预测销售XGBoost

xgboos-hperopt一、数据介绍二、特征工程1.查看相关数据2.处理数据二、开始跑模型了1.先使用XGboost2.这里使用下xgboos-hperopt一、数据介绍最近正好了解到AUTO-ML相关的信息，了解到两个框架。就从kaggle上找了个数据集进行尝试，（为什么在kaggle上尝试，因为kaggle给每个人分配的资源实在是太香了）虽然已经放了链接在这里，我想还是有很多人不会去看，所以我还是把数据的相关信息放在下面了。data1.数据来源：格陵兰省的一家医院一直在努力通过观察患者的历史

（一）数据领域朋友的自身情况性别比例调查问卷国家分布年龄分布收入情况所学专业从事领域工作满意度最常使用工具常用算法计算平台选择面临挑战（二）Python和R哪家强使用人数常用工具不同工种偏好各大领域使用趋势薪资待遇用了多少年重要程度（三）数据科学家都在用什么国家分布使用Python or R工资与学历如何证明自己呢遇到的问题对可视化的...

数据清洗故事背景：数据集：数据挖掘流程：数据集验证首先检查JData_User中的用户和JData_Action中的用户是否一致检查是否有重复记录检查是否存在注册时间在2016年-4月-15号之后的用户行为数据中的user_id为浮点型，进行INT类型转换年龄区间的处理user_tableitem_table特征包括:构建User_table构建Item_table数据清洗用户清洗故事背景：京...

（2）- 数据探索周一到周日各天购买情况分析：周六，周日购买量较少一个月中各天购买量2016年2月分析： 2月份5,6,7,8,9,10 这几天购买量非常少，原因可能是中国农历春节，快递不营业2016年3月分析：3月份14,15,16不知名节日，造成购物大井喷，总体来看，购物记录多于2月份2016年4月分析：一脸懵逼中…可能又有啥节日？ 还是...

泰坦尼克号乘客获救预测原网址：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12282042.0.0.3fa02042COPRZr&postId=64711. 案例背景泰坦尼克号沉船事故是世界上最著名的沉船事故之一。1912年4月15日，在她的处女航期间，泰坦尼克号撞上冰山后沉没，造成2224名乘客和机组人员中超过150...

泰坦尼克号乘客生存预测详细流程1. 数据总览看看数据2、缺失值的处理方法3. 分析数据关系3.1 判断性别和生存是否有关系3.2 船舱等级和生存与否的关系 Pclass3.3 年龄与存活与否的关系 Age3.4 票价分布和存活与否的关系 Fare4. 变量转换原文：https://tianchi.aliyun.com/notebook-ai/detail?spm=5176.12282042.0....

特征工程特征用户基本特征：获取基本的用户特征，基于用户本身属性多为类别特征的特点，对age,sex,usr_lv_cd进行独热编码操作，对于用户注册时间暂时不处理商品基本特征：根据商品文件获取基本的特征针对属性a1,a2,a3进行独热编码商品类别和品牌直接作为特征评论特征：分时间段，对评论数进行独热编码行为特征：分时间段对行为类别进行独热编码分别按照用户-...

Xgboost模型模型设计#!/usr/bin/env python# -*- coding: UTF-8 -*-import sysimport pandas as pdimport numpy as npimport xgboost as xgbfrom sklearn.model_selection import train_test_splitimport operato...