Как обучить модель xgboost для получения 0/1?

Question

[Dmitry_Fe]

Добрый день, уважаемые пользователи тостера!
Задался вопросом как имея данные в формате дд.мм.гггг за 6 мес(10+ тыс строк) получить предсказание на следующий месяц черным ящиком xgboost, делаю первые шаги, в интернете нашел множество сложных задач, с множеством переменных, в данной задаче все иначе, поделитесь пожалуйста примерами простого прогноза в формате дд.мм.гггг! если кто-то готов на коммерческой основе, то я, конечно погрущу, но знания-то Ваши, поэтому все пойму! заранее благодарен,

Answer 1

[Сергей Тихонов]

В один комментарий решение задачи машинного обучения не уложишь.
Для начала, выпишите, что есть объект, для которого делаются предсказания, какие у него есть признаки (входные данные), что является выходными данными. После этого попытайтесь понять, какую задачу вы решаете - классификацию, регрессию, кластеризацию. Возьмите самый простой алгоритм, решающий задачу и попробуйте использовать его с помощью любой библиотеки, в которой вы хоть как-то разбираетесь. Выберите метрики, оценивающие качество работы алгоритма. Потом попробуйте другой алгоритм. Сравните их друг с другом.
Когда всё это будет получаться так же легко как вопросы в тостер писать, попробуйте xgboost.

Comments

[Dmitry_Fe]

насколько я понимаю у меня задача регрессии, необходимо из данных на входе X - все даты, которые есть в таблице - получить predict, сейчас смотрю решение задачки Boston. проблема в том, что во всех примерах на гитхабе производится многофакторный анализ, а у меня просто даты

[Сергей Тихонов]

Получается, имея на входе список дат, в которые конкретный клиент что-то заказывал, надо определить дату, когда он закажет снова. Самый простой признак тут - время между покупками. Другие признаки придумаваются в соответствии с хитрой наукой feature engineering - кто-то называет это искусством. Удачи в придумывании)

[Dmitry_Fe]

Сергей Тихонов, это история про погашение долга и признак - отклонение от даты возврата денег

Answer 2

[Dmitry_Fe]

нашел хороший материал по теме тут
возник ключевой вопрос, чтобы не плодите темы, есть csv файл, в некоторых строчках стоит знак "-", значит, что в статистике его учитывать не нужно, как подготовить базу данных в таком случае? как указать на то, что ячейки, которые содержат - должны не восприниматься?