# 第三届梧桐杯_数据应用赛道方案

**Repository Path**: VIT19980106/Third-Sycamore-Cup_Data-Application-Track-Programme

## Basic Information

- **Project Name**: 第三届梧桐杯_数据应用赛道方案
- **Description**: 数据应用赛道_全国第16名代码开源
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-02-21
- **Last Updated**: 2024-02-21

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 第三届梧桐杯_数据应用赛道方案

#### 介绍
数据应用赛道_全国第16名代码开源

#### 模型说明
lgb模型取得了全国16名的优异成绩
xgb为全国35名

#### 数据预处理说明

1. 对手机品牌特征的四列（当前终端品牌、上上次终端品牌、上次终端品牌、新5G终端品牌名称）
   进行统一的数值化编码，与单列编码相比，多列统一编码有效提高多列手机品牌特征的关联性；
2. 进行缺失值处理，次数特征采用零值填充，终端品牌采用了近邻填充，终端价格采用了当前品牌价格均值填充
3. 对异常值进行处理，通过数据分布查看，性别字段共有4类，分别为0、1、-1、9，因此，-1、9可认为是异常值，
   1的数量远小于0，所以将-1和0替换为1；最后，删除标签月，客户类型，用户标识字段

#### 算法模型说明

所提模型基于LightGBM，其在训练速度、准确性方面具有一定的优势，适用于大规模数据集和高维特征的机器学习问题，
为提升模型的泛化性，引入多折交叉训练，使用StratifiedKFold实现训练，同时增加模型扰动，
设置三个不同的random_state训练模型有效提高模型在测试集的泛化性。如图所示：

![输入图片说明](https://foruda.gitee.com/images/1708487439043150046/dceccacd_8437116.png "屏幕截图")

首先，所提模型在每个折内对测试集进行了预测，然后将每个5折的预测结果取平均值，然后将三个不同random_state训练的模型的预测结果求和；最后，选取每个预测结果最大值对应的索引，即为预测类别，将预测的数值化类别映射为品牌名称，得到最终的预测结果。本队设计的模型预测流程有效提高了模型的泛化性，在比赛中取得了较好的预测准确率。