Datawhale AI夏令营——用AI预测新增用户学习笔记

一、跟着教程来跑通Baseline

        Baseline (基线)是一个基础的解决方案，通常由竞赛组织者或社区提供，用于展示如何完成从数据处理到模型训练再到结果输出的整个流程。

        代码采用Python编写， 使用了Pandas进行数据处理、LightGBM作为分类模型，并结合了交叉验证和简单的特征工程，最终可获得约 0.6左右 的分数。

二、优化

        需要明白几个关键名词

        特征工程：提取时间特征（如时段、停留时长等）

        阈值优化：基于F1-score动态调整分类阈值，0.5不一定最优，可以进行调参来优化

        K折交叉验证：采用分层抽样（Stratified Sampling）的变种，即 StratifiedKFold，是一种用于评估机器学习模型性能的技术。它通过将数据集划分为N个子集或“折”，并在不同的子集上训练和验证模型来实现对模型性能的稳定估计。

        那么，我们可以从这几个关键点来入手调参

三、进阶上分

        我调整了五折交叉验证里的模型训练，让他跑多几千次，能够提高正确率，最后，F1-score从0.69342提升到了0.82515

若有不正确的地方，希望各位批评指正！！也欢迎大家来交流！！