【第17期Datawhale | 零基础入门金融风控-贷款违约预测】Task04:建模与调参(3天) : 调参一下记录和结果
01 简单编写了一个暴力枚举找到一个分值更高的系数比 best = [0.5, 0.5]
提交结果为每个测试样本是1的概率,也就是y为1的概率。评价方法为AUC评估模型效果(越大越好)。
best_auc = 0
best = [0.5 , 0.5]
for i in range(0, 101, 1):
j = 100 - i
attack_test = lightgbm_train*0.01*i + cat_model_train*0.01*j
attack_auc = roc_auc_score(y_score=attack_test, y_true=y_train)
if attack_auc > best_auc:
best_auc = attack_auc
best[0], best[1] = 0.01*i, 0.01*j
# print(i,j,'>>>>>' ,best, best_auc)
print('finall: best_auc = %s, best = %s' % (best_auc , best))
实际输出
finall: best_auc = 0.7292665937162145, best = [0.5, 0.5]
与baseline的保持了一致!
02 记录一下调参记录和结果
03 结论: 优化来优化去,回头才跑了一下baseline,发现都是负优化,惨!~
你不逼自己一把,你永远都不知道自己有多优秀!只有经历了一些事,你才会懂得好好珍惜眼前的时光!