文件名称：catboost_insurance_churn_rate
文件大小：2.17MB
文件格式：ZIP
更新时间：2024-03-11 01:04:23
JupyterNotebook
catboost_insurance_churn_rate 此回购协议是对的补充，在该，我使用XGBoost和lightgbm训练了模型以预测样本保险客户的流失率。 在此仓库中，相同的数据集已用于训练具有Catboost的模型。 Catboost Catboost已与交叉验证一起使用。 scikit-learn的train_test_split用于进行70％的训练，15％的验证和15％的测试数据。 对于每个kfold交叉验证，都使用catboost训练模型。 f1_score用于检查每个折叠的模型准确性。 计算所有折叠的特征重要性。 对于seaborn，根据目标值的重要性对特征进行分类并进行可视化。 每个折叠中的每个受过训练的模型都与泡菜分开保存。 所有保存的模型都被装回并用于预测测试数据集的目标值。 将所有模型的预测一起平均，如果平均值小于等于0.5，则四舍五入为0，
【文件预览】：
catboost_insurance_churn_rate-main
----model_4.sav(523KB)
----model_3.sav(419KB)
----model_1.sav(475KB)
----Test.csv(1.16MB)
----catboost.ipynb(87KB)
----model_2.sav(380KB)
----README.md(1KB)
----Train.csv(2.43MB)
----model_5.sav(426KB)
----catboost_single_model.csv(52KB)