# 用xgboost模型完成商品分类

**Repository Path**: d___y/homework_week3.ipynb

## Basic Information

- **Project Name**: 用xgboost模型完成商品分类
- **Description**: No description available
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 0
- **Created**: 2018-08-04
- **Last Updated**: 2025-03-13

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

问题描述
采用xgboost模型完成商品分类（需进行参数调优）。
解题提示
为减轻大家对特征工程的入手难度，以及统一标准，数据请用课程网站提供的特征工程编码后的数据（RentListingInquries_FE_train.csv）或稀疏编码的形式（RentListingInquries_FE_train.bin）。xgboost既可以单独调用，也可以在sklearn框架下调用。大家可以随意选择。若采用xgboost单独调用使用方式，建议读取稀疏格式文件。
批改标准
独立调用xgboost或在sklearn框架下调用均可。
1. 模型训练：超参数调优
a) 初步确定弱学习器数目： 20分
b) 对树的最大深度（可选）和min_children_weight进行调优（可选）：20分
c) 对正则参数进行调优：20分
d) 重新调整弱学习器数目：10分
e) 行列重采样参数调整：10分
2. 调用模型进行测试10分
3. 生成测试结果文件10分