Kaggler日志--Day7

进度24/12/17

昨日复盘：
尝试自己爬取了两个学校的就业信息数据，比力简朴但是顺通了爬虫流程
看别人的代码：AQX的。
今日进度：
分析明白昨天代码的过程，统计问题
过程明白

EDA部分

对于不同变量类型判别的举例说明：

初步划分数值型和种别型时：

• 离散型数值变量
  

1. OverallQual: Rates the overall material and finish of the house
2.        10        Very Excellent
3.        9        Excellent
4.        8        Very Good
5.        7        Good
6.        6        Above Average
7.        5        Average
8.        4        Below Average
9.        3        Fair
10.        2        Poor
11.        1        Very Poor
12. # 个人感觉这就相当于已经进行顺序编码的类型变量！！！

复制代码

填补空缺时划分顺序特性、一般种别特性和数值特性时：
对于不同类型变量利用的可视化图表及作用的明白

ked、skewed等概念
多变量分析要点及可视化方式

多重共线性multicollinearity
箱线图与离群点、skewed

空缺值填补策略

分组时分组依据怎么选？
特性工程

CV的应用

这里的交叉验证CV貌似只是在网格化搜索优化超参数模型的过程中利用，并没有用在终极的模型评估中，没太明白这样的用意，CV不是一种非常好的模型评估手段吗？为什么最后评估的时间不消CV
是不是因为val用来评估模型时也不能参与到训练中？？？
最后用来多种评估方法也有CV但是：
假如利用数据集合S来进行超参数搜索，是不是就不能再直接在S上进行CV评估，这也算一种数据泄露吧
集成建模

融合Blending


免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。