一、学习知识点概要

本文为金融风控数据竞赛的最后一part，在不少的努力下提交了最终的结果，虽然排名不尽人意，但总归是努力的结果。

二、学习内容

1、部分难题

印象最深刻的是task3中的调参过程，所使用的调参方式为贝叶斯调参。

可以看到单是调参过程就花了大概80分钟，而后通过调整一个较小的学习率，使用cv函数确定最优的迭代次数。

中间过程前面已经提及，最终lgb的单模型ROC曲线如下。

2、比赛结果

理论上来说可以通过调lgb，xgb，cat的参数，找最优迭代次数等方法求出不同的test值，再用不同的模型融合方法（stacking，blending，甚至加权）对三种树模型进行融合，然后就是刷分的过程了，大概是这样，但此次由于时间问题，只完整做出了lgb以及部分的xgb模型，然后通过简单的加权得到了最终的结果。

三、学习问题与解答

1、小数点的意义

第一次参加这种数据挖掘比赛，赛前其实一直都有一个问题，类似kaggle这种比赛，选手们多半有一个特殊的爱好，那就是刷排名，通过不断提交新结果，在小数点上做文章，不可否认，一个好的排名能从一定意义上体现一个选手的能力，或者说一个团队的能力，但是，如果在赛后对于这个比赛过程没有一个好的总结，可能有点索然无味的感觉。

四、学习思考与总结

赛前就看到了官方对于此次比赛的难度定义为中，整个过程下来也发现其实难度介于低到中之间，当然如果要研究透不同模型，模型融合等难题那就不止这个难度了，此次比赛，lgb的单模型就可以得到一个不错的分数，显然相当照顾新手，这也是为什么说比赛的完成、结果的提交难度介于低到中之间。

金融风控数据挖掘-Task6相关推荐

【天池】金融风控数据挖掘task1
天池金融风控数据挖掘task1 1.赛题理解赛题以预测金融风险为任务,数据集报名后可见并可下载,该数据来自某信贷平台的贷款记录,总数据量超过120w,包含47列变量信息,其中15列为匿名变量.为了保 ...
金融风控数据挖掘 · Task 2 EDA 数据可视化
金融风控数据挖掘 · Task 2 EDA 数据可视化一.数据载入.存储及文件格式 1. 文件格式的读写常用的数据处理用到的库二.数据总览一.数据载入.存储及文件格式 1. 文件格式的读写常 ...
金融风控数据挖掘-Task1
本学习笔记为阿里云天池龙珠计划Docker训练营的学习内容,学习链接为:https://tianchi.aliyun.com/specials/activity/promotion/aicampdoc ...
金融风控数据挖掘--Task1
赛题分析: 通过给定训练集数据训练得模型,利用AUC作为评测指标,预测测试集中数据评判各属性金融风险. 一.学习内容: 金融风控预测类常见的评估指标 1.ROC曲线在信号检测理论中,接收者操作特征曲 ...
金融风控数据挖掘 · Task 5 模型融合
一.模型融合常见方法模型融合是比赛后期上分的重要手段,特别是多人组队学习的比赛中,将不同队友的模型进行融合,可能会收获意想不到的效果哦,往往模型相差越大且模型表现都不错的前提下,模型融合后结果会有大 ...
数据挖掘实践（金融风控）——task1：赛题理解
文章目录数据概况数据读取评估指标数据概况数据量超过120w,包含47列变量信息,其中15列为匿名变量.80万条作为训练集,20万条作为测试集A,20万条作为测试集B,变量含义如下: id 为 ...
数据挖掘机器学习[六]---项目实战金融风控之贷款违约预测
相关文章: 特征工程详解及实战项目[参考] 数据挖掘---汽车车交易价格预测[一](测评指标:EDA) 数据挖掘机器学习---汽车交易价格预测详细版本[二]{EDA-数据探索性分析} 数据挖掘机器学习 ...
零基础入门数据挖掘之金融风控-贷款违约预测
零基础入门数据挖掘之金融风控-贷款违约预测摘要 1.数据概况 2.数据读取 3.分类指标评价计算摘要在实践中学,很高兴有这次机会,与志同道合的小伙伴一起学习,本次主要通过天池实际比赛项目学习数据 ...
【数据挖掘】金融风控 Task02 数据分析
[数据挖掘]金融风控 Task02 数据分析 1. 探索性数据分析(EDA)概述 1. 1 探索性数据分析概念 1.2 探索性数据分析目的 1.3 探索性数据分析(EDA)与传统统计分析(Classi ...

金融风控数据挖掘-Task6