我的随笔

leetcode 263. Ugly Number

bonelee 2018-05-27 23:07 阅读:199 评论:0 推荐:0

leetcode 645. Set Mismatch——凡是要节约空间的题目都在输入数据上下功夫不要担心破坏原始的input

bonelee 2018-05-27 22:54 阅读:185 评论:0 推荐:0

sklearn.preprocessing.StandardScaler 离线使用不使用pickle如何做

bonelee 2018-05-27 10:44 阅读:377 评论:0 推荐:0

SMOTE RF MLP demo use cross_val_score to find best argument 处理不平衡数据的demo代码先做smote处理再用交叉验证找到最好的模型参数实践表明MLP更好

bonelee 2018-05-26 12:02 阅读:541 评论:0 推荐:0

MLPClassifier 隐藏层不包括输入和输出

bonelee 2018-05-26 10:28 阅读:7393 评论:0 推荐:0

StratifiedShuffleSplit 交叉验证

bonelee 2018-05-26 10:01 阅读:3673 评论:0 推荐:2

从信用卡欺诈模型看不平衡数据分类（1）数据层面：使用过采样是主流，过采样通常使用smote，或者少数使用数据复制。过采样后模型选择RF、xgboost、神经网络能够取得非常不错的效果。（2）模型层面：使用模型集成，样本不做处理，将各个模型进行特征选择、参数调优后进行集成，通常也能够取得不错的结果。（3）其他方法：偶尔可以使用异常检测技术，IF为主

bonelee 2018-05-25 17:44 阅读:3433 评论:0 推荐:0

kaggle 欺诈信用卡预测——Smote+LR

bonelee 2018-05-25 12:11 阅读:15276 评论:0 推荐:2

kaggle 欺诈信用卡预测——不平衡训练样本的处理方法综合结论就是：随机森林+过采样（直接复制或者smote后，黑白比例1:3 or 1:1）效果比较好！记得在smote前一定要先做标准化！！！其实随机森林对特征是否标准化无感，但是svm和LR就非常非常关键了

bonelee 2018-05-25 10:47 阅读:9532 评论:5 推荐:0

leetcode 437. Path Sum III

bonelee 2018-05-25 00:01 阅读:194 评论:0 推荐:0