【Datawhale】零基础入门数据挖掘 - 二手车交易价格预测[task1 赛题理解]

一、理解框架

二、1.3代码示例

【Datawhale】[task1]1.3代码示例

三、遇到bug汇总及解决方法：

1、ValueError: only single character unicode strings can be converted to Py_UCS4, got length 0

2、
ValueError: Found input variables with inconsistent numbers of samples: [86, 891]

3、没有看到测试集A的数据，待解决

已解决，在群文件夹中找到了。

四、总结

理清思路

• 明确任务目标：分清问题类型
  • 预测（回归）
• 数据基本特征：
  • 数据量（shape；训练集/测试集）
  • 数据类型（label encoding）
• 评价指标（对模型效果的数值型量化）
  • 分类（二分类/多分类）
    • 二分类：accuracy,[Precision,Recall,F-score,Pr曲线]，ROC-AUC曲线
    • 多分类：accuracy,[宏平均和微平均，F-score]
  • 回归
    • 平均绝对误差（Mean Absolute Error,MAE）,均方误差（Mean Squared Error,MSE）,平均绝对百分误差（Mean Absolute Error,MAPE）,均方根误差（Rcot Mean Squared Error），R2(R_Square)
• 代码实现
  • sklearn的metric

分类：

from sklearn.metrics import accuracy_score
...
accuracy_score(y_true,y_pred)

from sklearn import metrics
...
print('Precision:',metrics.precision_score(y_true,y_pred))
print('Recall:',metrics.recall_score(y_true,y_pred))
print('F1-score:',metrics.f1_score(y_true,y_pred))

回归

from sklearn import metrics
...
#MSE
print('MSE:',metrics.mean_squared_error(y_true,y_pred))
#RMSE
print('RMSE:',np.sqrt(metrics.mean_squared_error(y_true,y_pred)))
#MAE
print('MAE:',metrics.mean_absolute_error(y_true,y_pred))

（期待后续task的学习）

五、Ref.

[Datawhale 零基础入门数据挖掘-Task1 赛题理解 — By: AI蜗牛车]
知乎： https://www.zhihu.com/people/seu-aigua-niu-che
github: https://github.com/chehongshu
公众号： AI蜗牛车