幸福感预测（离散问题）
- 数据预处理
异常值处理：删除明显的异常值
对于缺失值来说：若某列缺失值过多，则无法提供更多信息，可以删去该列；对于含有部分缺失值的列，可以通过增补平均数、众数、中位数的方法补全缺失值（对于此次像问卷形式的分类问题，也可以将自己当作受访者来补全缺失值），若缺失值极少，对模型的建立影响很小，可以直接删除含有该缺失值的数据行。
其他：若分类问题中的部分变量是连续值，可以将该变量离散化 - 数据增广
分析特征之间的关系，通过数学运算增加一些对分类有影响的特征（如：悠闲指数、收入比、社会阶级等特征） - 特征选择
通过计算各个特征与目标列之间的相关性，筛选出与目标列相关性大的特征，去除那些与目标列无关的特征 - 特征建模
建立lightgbm、xgboost、RandomForestRegressor随机森林等模型，对这些模型进行5折交叉验证得到结果
蒸汽量预测（连续问题）
- 探索数据分布
a. 查看每个特征分别在测试集与训练集上的分布情况是否相似，若分布相似，则可以进行进一步的分析，若不相似，则删除这些特征的数据
b. 计算各个特征之间的相关性，若相关性很小，则删除该特征
c. 归一化：将所有特征的值映射到[0,1]之间 - 特征工程
利用Box-Cox方法对数据进行变换，一定程度上减小不可观测的误差和预测变量的相关性。 - 模型构建
a. 构建训练集与测试集后，找出离群值，并进行删除 - 集成学习
参考：
[1]https://github.com/datawhalechina/ensemble-learning
|