IP屬地：上海
-
智慧海洋建設(shè)-Task4模型建立
模型建立： bagging方法--隨機森林：太耗時間了壳快。 boosting方法： lightGBM模型： https://blog.csdn.n...
-
智慧海洋建設(shè)-Task3 特征工程
關(guān)于本次智慧海洋特征構(gòu)建分為時間類特征稍计、分箱特征（x、y娇钱、v）除破、DataFrame特征（計數(shù)特征和偏移量特征）虐呻、統(tǒng)計特征（聚合）年缎、embeddi...
-
智慧海洋建設(shè)-Task2 數(shù)據(jù)分析
查看缺失值：print(f'There are {data_train.isnull().any().sum()} columns in tra...
-
智慧海洋建設(shè)-Task1 地理數(shù)據(jù)分析常用工具
學習目標： 1.了解和學習shapely和geopandas的基本功能，掌握用python中的這兩個庫實現(xiàn)幾何對象之間的空間操作方法铃慷。 2.掌握...
-
task5 模型融合三種融合方式： 1.簡單加權(quán) 2.stacking/blending:多層模型-前一層訓練結(jié)果作為訓練集 3.bagging/boosting:...
-
Task4 建模與調(diào)參使用Lightgbm单芜、XGBoost模型、CatBoost模型 進行建模: 模型調(diào)參： 貪心調(diào)參方法犁柜；采用for循環(huán) 網(wǎng)格調(diào)參方法洲鸠；GridSe...
-
task3 特征工程1. 采用tsfresh工具包提取時間序列特征 導入工具包： 提取特征： 融合之前單變量特征之后，預測變差......哭
-
task2 探索性數(shù)據(jù)分析（EDA）對數(shù)據(jù)標簽進行統(tǒng)計馋缅，發(fā)現(xiàn)樣本不均衡問題扒腕。可能采取降采樣或者過采樣方式來解決該問題萤悴。 進行了特征相關(guān)性分析瘾腰，取與標簽相關(guān)性大于0.5的特征做熱力圖...
-
無標題文章
hi~