UHPC为核心数据集 测试集划分有两种方式：
-
单任务测试集：针对每个任务，划分出该任务没有缺失标签的样本中的一部分作为测试集
- 训练阶段：分任务训练，与其他任务(标签)的样本进行合并，这样就得到了一个训练集，这个训练集中特征和标签还是有缺失的
- 训练出的模型：
- 输入：特征 + 其他任务的标签
- 输出：当前任务的标签
- 测试阶段：使用该任务的测试集进行评估
- 问题是：测试集中没有其他任务的标签，怎么办？(需要想办法解决)
-
多任务测试集：划分出所有任务都没有缺失标签的样本作为测试集
- 训练阶段：使用其他样本作为训练集，这些样本中有缺失标签和缺失特征
- 训练出的模型：
- 输入：特征
- 输出：所有任务的标签
- 测试阶段：使用多任务测试集进行评估
- 这样就能利用多个任务之间的关系进行预测
- 缺点是：测试集会比较小，并且只能评估那些没有缺失标签的样本
- 问题：取出测试集后，训练集不存在完整的数据，在一些不能直接处理缺失的模型上，无法提取到有效信息。
数据集做标准化。 stancard scaler
from sklearn.preprocessing import StandardScaler
def scale_data(X: pd.DataFrame) -> pd.DataFrame: preproc = StandardScaler() cols = X.columns return pd.DataFrame(preproc.fit_transform(X), columns=cols)
随机种子固定，做5-10个， 先做一个，看看结果
都用XgBoost