最新數(shù)據(jù)挖掘賽事方案梳理！

賽題介紹

賽題任務

賽題數(shù)據(jù)

• 訓練集：共有5070條數(shù)據(jù)，用于構(gòu)建您的預測模型
• 測試集：共有1000條數(shù)據(jù)，用于驗證預測模型的性能。

評分標準

賽題Baseline

導入數(shù)據(jù)

import pandas as pdimport lightgbm

數(shù)據(jù)預處理

data1=pd.read_csv('比賽訓練集.csv',encoding='gbk')data2=pd.read_csv('比賽測試集.csv',encoding='gbk')#label標記為-1data2['患有糖尿病標識']=-1#訓練集和測試機合并data=pd.concat([data1,data2],axis=0,ignore_index=True)
#特征工程"""人體的成人體重指數(shù)正常值是在18.5-24之間低于18.5是體重指數(shù)過輕在24-27之間是體重超重27以上考慮是肥胖高于32了就是非常的肥胖。"""def BMI(a):    if a<18.5:        return 0    elif 18.5<=a<=24:        return 1    elif 24<a<=27:        return 2    elif 27<a<=32:        return 3    else:        return 4
data['BMI']=data['體重指數(shù)'].apply(BMI)data['出生年份']=2022-data['出生年份']  #換成年齡#糖尿病家族史"""無記錄叔叔或者姑姑有一方患有糖尿病/叔叔或姑姑有一方患有糖尿病父母有一方患有糖尿病
"""def FHOD(a):    if a=='無記錄':        return 0    elif a=='叔叔或者姑姑有一方患有糖尿病' or a=='叔叔或姑姑有一方患有糖尿病':        return 1    else:        return 2
data['糖尿病家族史']=data['糖尿病家族史'].apply(FHOD)data['舒張壓']=data['舒張壓'].fillna(-1)"""舒張壓范圍為60-90"""def DBP(a):    if a<60:        return 0    elif 60<=a<=90:        return 1    elif a>90:        return 2    else:        return adata['DBP']=data['舒張壓'].apply(DBP)data

訓練數(shù)據(jù)/測試數(shù)據(jù)準備

train=data[data['患有糖尿病標識'] !=-1]test=data[data['患有糖尿病標識'] ==-1]train_label=train['患有糖尿病標識']train=train.drop(['編號','患有糖尿病標識'],axis=1)test=test.drop(['編號','患有糖尿病標識'],axis=1)

構(gòu)建模型

def select_by_lgb(train_data,train_label,test_data,random_state=2022,metric='auc',num_round=300):    clf=lightgbm    train_matrix=clf.Dataset(train_data,label=train_label)
    params={            'boosting_type': 'gbdt',              'objective': 'binary',            'learning_rate': 0.1,            'metric': metric,            'seed': 2020,            'nthread':-1 }    model=clf.train(params,train_matrix,num_round)    pre_y=model.predict(test_data)    return pre_y

模型驗證

test_data=select_by_lgb(train,train_label,test)pre_y=pd.DataFrame(test_data)pre_y['label']=pre_y[0].apply(lambda x:1 if x>0.5 else 0)result=pd.read_csv('提交示例.csv')result['label']=pre_y['label']result.to_csv('baseline.csv',index=False)