[中奖]第九届“泰迪杯”挑战赛A题

问题概述

题目¹如下：

赛题有2个点，分别是：

• 确定数据指标

  即确定哪些特征是决定财务造假与否的关键特征

• 预测造假公司

  训练模型，然后跑测试数据即可

预处理

• 首先使用missingno²，对全局数据进行观测，看一看缺失值等情况

• 然后删去无用的特征列

• 删去缺失值占比过多的特征列

• 使用pd.interpolate()³对缺失值占比较小的特征列进行补充，也可以参考⁴⁵

第一题

最开始的想法是直接跑树模型，然后看看谁的权重大就选谁，然而问题出在样本比例上。

• 首先对整体来看，正样本的数量远远大于负样本。不均衡的情况下，树模型虽然有所缓解，但估计还是够呛