标签：采样 LightGBM Python XGBoost 源码 PPT 思路 数据 预处理

摘要
关键词： PCA 降维 特征相关性分析 欠采样、过采样全连接神经网络 XGBoost LightGBM
在本课程设计中，我们采用了特征关联分析进行特征提取，通过数据过采样、欠采样方法解决了样本分布比例不平衡的问题，通过对比全连接神经网络、XGBoost、LightGBM 等机器学习模型挑选出了效果最好的算法。
目录
1.问题描述 1
1.1原题描述
1.2要求简介
2.数据说明 2
2.1数据概况
2.2数据预处理思路
3.解决思路解决方案 4
3.1解决思路
3.2数据预处理方法
3.3模型选择
4.总结与展望 9
4.1经验收获
4.2不足教训

本文转载自：http://www.biyezuopin.vip/onews.asp?id=14923

标签：采样,LightGBM,Python,XGBoost,源码,PPT,思路,数据,预处理
来源： https://blog.csdn.net/newlw/article/details/122873248

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。