第四周周报

在上一周中，我完成的内容主要有：数据处理以及模型选择与数据训练。

数据处理

我对于原数据中一些字符型数据，转换为数值型数据，如：

employmentLength列中的< 1 year 与 10+ years，我首先将其转换为0 year与10 year，然后，只取数字部分，这样讲字符转换为了数值。对于subGrade，我将其从A1到G5映射到了1到35。

我还将原数据中一些列删除，降低数据的维度，加快训练速度，并同时排除掉一些与结果无关的列，如id’,‘isDefault’,‘policyCode’,‘grade’，这些列或者只是唯一标识，或者只有单一值存在，或者有更详细的列代替，因此我将这些列删除。

模型选择

我采用的是lightgbm模型，它是GBDT的高效实现，主要具有简洁高效，占用内存少，支持并行化处理的特征。 我利用sklearn的train_test_split函数，将训练集进行划分，用于度量训练结果。 对于目前初步得到的结果，在比赛中的排名是： 在接下来的时间里，我主要需要对模型的参数进行进一步的优化，可以采用贝叶斯或者其他方法进行调整。另外，我需要对数据进行进一步的处理，我觉得通过数据处理可以更好地取得更优秀的结果。