从上面的数据缺失可视化图中可以看出，部分特征的数据缺失十分严重，下面我们来对特征的缺失数量进行统计。小编推荐大家加一下这个群：103456743这个群里好几千人了！大家遇到啥问题都会在里面交流！而且免费分享零基础入门料资料web开发 爬虫资料一整套！是个非常好的学习交流地方！也有程序员大神给大家热心解答各种问题！很快满员了。欲进从速哦！各种PDF等你来下载！全部都是免费的哦！只为帮助大家快速入门，所以小编在群里等你们过来一起交流学习呢！
观察目标变量y的分布和取对数后的分布看，取完对数后更倾向于符合正太分布，故我们对y进行对数转化。
y = np.log1p(y)#+1的目的是防止对数转化后的值无意义
3、合并数据 缺失处理
哇！好意外啊，这两个模型的结果表现都不错，但是随机森林的结果似乎更好，下面来看看学习曲线情况。
四、接下来分别对两个基准模型进行参数调优，获得使得均方误差最小的参数，返回到训练集进行训练；
五、采用并行模型融合的方式，计算两个模型预测结果的均值作为测试集的预测结果。
原文;
如有侵权请联系小编删除哦！
网友评论