數據挖掘類比賽必備模型，四種實現方法，你值得擁有。

[[354587]]

數據科學競賽是學習各類算法、深入理解數據科學、提升和挑戰自己的絕佳機會，而這些競賽中有一些常用的模型。

近日，有開發者在 GitHub 上開源了一個包含數據挖掘類比賽常用模型的項目，主要涵蓋二分類、多分類以及回歸任務。項目代碼全部使用 Python 實現。

項目地址：https://github.com/QLMX/data_mining_models

該項目包含二分類模型、多分類模型以及回歸模型，它們分別基于 lightgbm 實現、xgboost 實現、keras 實現和 pytorch 實現：

lightgbm

• binary_class.py ：lightgbm 實現的二分類
• multi_class.py ：lightgbm 實現的多分類
• regression.py ：lightgbm 實現的回歸
• multi_class_custom_feval.py ：lightgbm 自定義評價函數實現多分類
• multi_class_weight_loss.py ：lightgbm 多類別不平衡問題，實現類別加權優化

xgboost

• binary_class.py ：xgboost 實現的二分類
• multi_class.py ：xgboost 實現的多分類
• regression.py ：xgboost 實現的回歸

keras 實現的 mlp

• binary_class.py ：keras 實現的 mlp，做二分類任務
• multi_class.py ：keras 實現的 mlp，做多分類任務
• regression.py ：keras 實現的 mlp，做回歸任務

pytorch 實現的 mlp

• binary_class.py ：pytorch 實現的 mlp，做二分類任務
• multi_class.py ：pytorch 實現的 mlp，做多分類任務
• regression.py ：實現的 mlp，做回歸任務

環境設置

可以直接通過 pip install -r requirements.txt 安裝指定的函數包，具體的函數包如下：

pandas 
 
numpy 
 
matplotlib 
 
sklearn 
 
tensorflow==1.12.0 
 
keras==2.2.4 
 
pytorch 
 
seaborn 
 
lightgbm==2.2.1 
 
xgboost==0.90 

項目解讀

第一部分 lightgbm 的數據是基于拍拍貸比賽截取的一部分特征，隨機選擇了 5000 個訓練數據，3000 個測試數據。針對其中 gender、cell_province 等類別特征，直接進行重新編碼處理。

第二部分又基于 xgboost 實現了二分類、多分類和回歸任務。

第三、四部分是深度網絡部分，是基于 keras 實現的多層感知機網絡 (mlp)。pytorch 主要用于圖像處理任務，在數據挖掘類比賽中很少用到，但該項目整理了基于 pytorch 實現的 mlp 做分類與回歸任務代碼。

項目作者對項目的各部分進行了詳細的解讀，具體參考以下內容：