流程

分支主题

确定分类或回归

数据集YX

训练集，验证集划分（test0.33  random42）

选择算法，及评价指标：回归：MSE，分类：准确率

import numpy as npimport pandas as pdtrain = pd.read_csv(r\"C:\\Users\\Administrator\\Desktop\\train.csv\")data[:10]

train.info()

train['feature_1'].value_counts()    train['feature_2'].value_counts()    train['feature_3'].value_counts()

子主题

data =pd.read_csv(r\"C:\\Users\\Administrator\\Desktop\\train.csv\

historical_transactions = pd.read_csv(r\"C:\\Users\\Administrator\\Desktop\\historical_transactions.csv\")historical_transactions[:5]

historical_transactions_3month =historical_transactions.loc[historical_transactions['month_lag'] > -4]historical_transactions_3month.info()

del historical_transactionsimport gcgc.collect()

## 参考代码# 统计分布计算historical_transactions_3month['purchase_amount'].describe()

## 参考代码# 直方图historical_transactions_3month['purchase_amount'].hist()

合并新合成的特征数据集至train.csv数据集，得到新的训练数据；合并过程中，可能存在部分持卡人在近3个月内无消费行为的情况，导致存在缺失值。因此可以将合并后数据集中缺失值填充为0。

# ############################################################################## Plot feature importanceimport numpy as npfeature_importance = est.feature_importances_# make importances relative to max importancefeature_importance = 100.0 * (feature_importance / feature_importance.max())sorted_idx = np.argsort(feature_importance)pos = np.arange(sorted_idx.shape[0]) + .5

通过绘制特征重要性分布图，分析模型特征重要性

train_add_history_3month.to_csv(\"./data/loyalty/train_add_hist_3month.csv\

保存

例子

流程