这里面包含了有关机器学习的特征工程中的几个常用数据集,例如aisles.csv,
factor_returns.csv
order_products__prior.csv
orders.csv
products.csv
2021-04-22 18:04:05
176.37MB
1
本次代码是2020数字中国创新大赛—算法赛：智慧海洋建设比赛复赛程序，复赛A榜18，B榜26。
程序使用了3个模型，分别是词嵌入+textcnn、lightgbm、randomforest，对最终的预测取得了不错的效果。
2021-04-08 21:14:14
44KB
1
使用集成学习模型xgboost、lightGBM、Catboost以及深度学习模型LSTM预测目标变量（因子），通过丰富的EDA、数据预处理、特征工程、特征选择、参数调优、模型对比分析、可视化分析（箱图、密度图、pair plot、）等步骤来进行整体的合理评估和分析。
2021-03-18 16:16:50
15.1MB
kaggle平台上波士顿房价预测的数据集以及代码实现过程，
主要涉及遇到一个新问题是如何分析数据，对数据进行处理，做特征工程，到最后的预测
2021-03-16 12:02:48
546KB
1