lightgbm使用（七）特征工程2

参考这个文章，把相关的重要特征相乘 作为一个新特征

2020招商银行fintech数据赛，线上0.78026，最终53名~~菜鸡分享 - 知乎 (zhihu.com)

# 当月公司存款平均每日结余 * 当年公司需求存款平均每日结余
# 降效
# XX['level1']=XX['CUR_MON_COR_DPS_MON_DAY_AVG_BAL'] * XX['CUR_YEAR_COR_DMND_DPS_DAY_AVG_BAL']/10**12
# X_testAA['level1']=X_testAA['CUR_MON_COR_DPS_MON_DAY_AVG_BAL'] * X_testAA['CUR_YEAR_COR_DMND_DPS_DAY_AVG_BAL']/10**12

# 注册时间 * 当年公司需求存款平均每日结余 
# 提升一个万分位
XX['level1']=XX['REG_DT'] * XX['CUR_YEAR_COR_DMND_DPS_DAY_AVG_BAL']/10**8
X_testAA['level1']=X_testAA['REG_DT'] * X_testAA['CUR_YEAR_COR_DMND_DPS_DAY_AVG_BAL']/10**8

# 降效
XX['level2']=XX['REG_DT'] * XX['CUR_MON_COR_DPS_MON_DAY_AVG_BAL']/10**8
X_testAA['level2']=X_testAA['REG_DT'] * X_testAA['CUR_MON_COR_DPS_MON_DAY_AVG_BAL']/10**8

看来要够造相关的、有用的特征。

链接文章：信用卡天数、借记卡天数、信用卡等级等一系列特征相互乘

明天尝试大量构造特征

尝试删除离群点，尝试删除不重要的特征

 参考：

特征工程系列：（五）特征构造 - Neo0oeN - 博客园 (cnblogs.com)

特征工程系列：聚合特征构造以及转换特征构造 - 大咖驾到 - 博客园 (cnblogs.com)

2020招商银行fintech数据赛，线上0.78026，最终53名~~菜鸡分享 - 知乎 (zhihu.com)

这个也有：机器学习算法（三）基于LightGBM的分类预测 - 知乎 (zhihu.com)  一些特征两两组合后对于数据的划分能力也有提升。

这个也有：机器学习算法（二）: 基于XGBoost的分类预测 - 知乎 (zhihu.com)  利用箱型图我们也可以得到不同类别在不同特征上的分布差异情况。我们可以发现Sunshine,Humidity3pm,Cloud9am,Cloud3pm的区分能力较强

标签：COR,lightgbm,工程,特征,XX,MON,testAA,DPS,AVG
来源： https://www.cnblogs.com/1container/p/16244622.html