【达观杯】数据竞赛学习篇(六)模型调优

1)进一步通过网格搜索法对3个模型进行调优(用5000条数据,调参时采用五折交叉验证的方式),并进行模型评估,展示代码的运行结果。(可以尝试使用其他模型)【达观杯】数据竞赛学习篇(六)模型调优_第1张图片
【达观杯】数据竞赛学习篇(六)模型调优_第2张图片
2)模型融合,模型融合方式任意,并结合之前的任务给出你的最优结果。
例如Stacking融合,用你目前评分最高的模型作为基准模型,和其他模型进行stacking融合,得到最终模型及评分结果。

结果展示如下表:

模型 最优参数 F1评分
LR clf__multi_class: ‘multinomial’,clf__solver: ‘newton-cg’ , C = 120, dual = True 0.79
SVM c=5,dual=False 0.77
LightGBM num_leaves = 31, learning_rate = 0.05 0.69
其他模型 awaiting
最优结果 awaiting

【达观杯】数据竞赛学习篇(六)模型调优_第3张图片

你可能感兴趣的:(self_learning)