Kaggle机器学习实战总结.docVIP

Kaggle机器学习实战总结 ?王勇，Python中文社区专栏作者，目前感兴趣项目商业分析、Python、机器学习、Kaggle。17年项目管理，通信业干了11年项目经理管合同交付，制造业干了6年项目管理：PMO,变革，生产转移，清算和资产处理。MBA, PMI-PBA, PMP。? 2017年就要过去，这一年我花了很多业余时间在学习Python 和机器学习，主要的方法就是在Kaggle 上面刷各种比赛。2017年就要过去，就以此文作为，我在2017年的机器学习的一个告别文章。 Kaggle HousePrice 特征工程部分之统计检验 Kaggle搭积木式刷分大法：特征工程部分 Kaggle搭积木式刷分大法: LB 0.11666（排名前１５％） 在开篇文章- 原理中，我谈到了要： 1、总结的搭积木式刷分大法。（即，利用Pandas 的Pipe 和 Sklearn的 Pipeline) Pandas 的Pipe 在第二篇文章中已经介绍。本文将主要介绍 Sklearn 的Pipeline. Pipeline和 Gridsearch 或RandomedSearch 联合使用，可以组合多个转换和预测的算法，并且可以调参，选算法。 后文会说明。注：后文用Gridsearch 泛指(Gridsearch 或RandomedSearch) 2、特征工程中做法的自我理解。（例如：为什