Python 2.7
Keras 2.x
sklearn
pandas
UAI-CUP-2017目录下的文件为各种不同的ML/DL模型代码,运行分为两种方式:
-
只训练,不产生提交结果(用于测试代码的正确性和了解模型效果),例如:
python embedding_mlp.py train
-
训练且产生测试集结果用于提交,例如:
python embedding_mlp.py submit
模型/方法 | Train MAE | Dev MAE | Pubulic Test MAE | 备注说明 |
---|---|---|---|---|
MLP | 0.4543 | 0.4189 | 2.2674 | 不使用One-Hot |
MLP | 0.4530 | 0.4184 | 2.2315 | 对周几和小时使用One-Hot处理 |
ETR | 0.1448 | 0.5916 | 2.1252 | 同上 |
模型/方法 | Train MAE | Dev MAE | Pubulic Test MAE | 备注说明 |
---|---|---|---|---|
MLP | 0.4235 | 0.3992 | 2.1209 | 对离散型特征作One-Hot处理 |
Emb_MLP | 0.4225 | 0.3966 | 2.3590 | 对离散型特征作Embeddding处理 |
ETR | 0.1448 | 0.5871 | 2.1316 | 对离散型特征作One-Hot处理 |
模型/方法 | Train MAE | Dev MAE | Pubulic Test MAE | 备注说明 |
---|---|---|---|---|
MLP | 0.6760 | 0.6795 | 2.0317 | 对离散型特征作One-Hot处理 |
Emb_MLP | 0.6847 | 0.6811 | 2.2911 | 对离散型特征作Embeddding处理 |
ETR | 0.2232 | 0.9417 | 2.1140 | 对离散型特征作One-Hot处理 |
MLP | 0.6874 | 0.6925 | 2.0148 | 对结果四舍五入 |
MLP | 0.7056 | 0.6856 | 2.1154 | 取下整 |
MLP | 0.6473 | 0.6827(0.6800) | 2.0266 | 两段one-hot |
MLP | 0.6769 | 0.6879(0.6839) | xxxx | 两段one-hot |
MLP | 1.6831 | 1.4100(1.3947) | 2.0336 | 去掉需求大于9的数据,每个区间随机选9000条 |
MLP | 0.6613 | 0.6859(0.680244) | 2.020768816 | POI聚类用0,1表示 |
MLP | 1.6831 | 0.6859(0.681119) | 2.0455278924. | 不使用POI数据 |
MLP | 0.7401 | 0.7091(0.70651) | 2.201941466. | 加入均值数据为53维 |
模型/方法 | Train MAE | Dev MAE | Pubulic Test MAE | 备注说明 |
---|---|---|---|---|
ETR | 0.0012 | 0.9691 | 2.1448 | 对离散型特征作One-Hot处理 |
MLP | 0.6640 | 0.6853 | 2.058 | 对结果四舍五入 |
模型/方法 | Train MAE | Dev MAE | Pubulic Test MAE | 备注说明 |
---|---|---|---|---|
MLP | 0.5919 | 0.6121 | 2.1574 | 不使用ID |
MLP | 0.5845 | 0.6049 | 2.1474 | 使用ID |
The Owner of this project is Dr.E(Tongji University 436Lab), My contribute is the data process.