模型优化
-
上周主要对训练集的一些特征值进行了一定分析，画了简单的统计图进行查看，这周主要是在上周的数据分析基础上，继续优化模型，从而得到更优的结果。
-
数据处理后，这次主要是针对所用的xgboost算法来进行模型调参：
-
本次调参主要是选取了xgboost算法中的部分参数
-
首先优化max_depth，min_child_weight两个参数：
-
得到最优参数为：max_depth：8，min_child_weight：1
-
然后是gamma参数：
-
得到最优参数为：0.05
-
最后是reg_alpha和reg_lambda两个参数：
-
得到最优参数为：
-
-
然后修改模型的参数，再跑一次模型：
-
提交结果查看成绩：
-
相较上次有所进步，当然还需要进一步优化。
小结
- 本周主要是对xgboost算法中的参数进行了调优，当然也没对所有参数进行调整，因为并不是所有参数单个调好整个算法就最优，需要一步步来调整，目前的成绩不是很好，之后还要对参数做进一步的处理，同时数据集也要多分析再优化，总的来说还是慢慢一步步了解到了数据挖掘的魅力，在自己一步一步处理数据调整算法参数的过程中收获到了很多东西。