We read every piece of feedback, and take your input very seriously.
To see all available qualifiers, see our documentation.
1 parent 584a2bc commit 1dce5f2Copy full SHA for 1dce5f2
README.md
@@ -32,7 +32,7 @@
32
- 经过特征选择(TOP12),通过SMOTE方法平衡正负样本(1:1)。AUC: 0.74977
33
------
34
- [x] Version 6: CMTR_CHURN_PR_V6 SMOTE采样 | LightGBM | GridSearchCV | K折交叉验证 | 模型融合(《机器学习》周志华)
35
- - 经过数据清洗后,使用SMOTE平衡正负样本(3:1 -> 1:1),由于剔除变量使得AUC显著下降,故根据想系数热力图,剔除多重共线性变量。
+ - 经过数据清洗后,使用SMOTE平衡正负样本(3:1 -> 1:1),由于剔除变量使得AUC显著下降,故根据相关系数热力图,剔除多重共线性变量。
36
- 使用K折交叉验证和GridSearchCV寻找LightGBM最优参数,训练集和验证集AUC均大于92%,但是提交的预测结果只显示0.6613,依旧存在过拟合现象。
37
- 使用模型融合,第一层LightGBM + XGB计算加权平均值,将加权平均值输入LogisticRegression预测结果,最终提交平台的AUC:0.6889。
38
0 commit comments