这个notebook是根据去年o2o比赛冠军的代码[https://github.com/wepe/O2O-Coupon-Usage-Forecast] 整理注释的,使用notebook(使用了插件方便理清思路),加了一些自己的注释,调了一下bug,实测可以跑通。使用xgboost结果应该在0.795左右,排名126,想要提升目前的思路是继续挖掘新特征。或者在特征选择上做一些功夫,模型上尝试了xgboost与lightgbm,rf,xgboost结果最好。
这个notebook是根据去年o2o比赛冠军的代码(https://github.com/wepe/O2O-Coupon-Usage-Forecast)整理注释的,使用notebook(安装了插件方便整理),加了一些自己的注释,调了bug,实测可以跑通。用xgboost应该在0.795左右。
这个notebook是根据去年o2o比赛冠军的代码[https://github.com/wepe/O2O-Coupon-Usage-Forecast] 整理注释的,使用notebook(使用了插件方便理清思路),加了一些自己的注释,调了一下bug,实测可以跑通。使用xgboost结果应该在0.795左右,排名126,想要提升目前的思路是继续挖掘新特征。或者在特征选择上做一些功夫,模型上尝试了xgboost与lightgbm,rf,xgboost结果最好。
这个notebook是根据去年o2o比赛冠军的代码(https://github.com/wepe/O2O-Coupon-Usage-Forecast)整理注释的,使用notebook(安装了插件方便整理),加了一些自己的注释,调了bug,实测可以跑通。用xgboost应该在0.795左右。