在此分析中,我使用公开数据集包括专家评分超过1 700个巧克力条从2006-2017从浮点草网站评分定义详解:

• 5=电子名词转介超出常态限值
• 4=优先级高口味开发 字符风格
• 3=满足性3.0至可赞美性3.75(精通特殊性能)
• 2=失望感可理解性但至少含有一个重大缺陷
• 1=异想天开基本不可满足性

数据集kugle公开发布.全部细节分析可查找内公用Kagle笔记本.

步骤1-数据预处理

数据预处理由下列步骤组成

• 重命名列;
• 解析豆类类型并可可百分比;
• 删除未用列;
• 编码稀有绝对变量高山市豆类类型并豆源)不多于30码单列和至少10每一类别记录;
• 终于删除未用列

步骤2-设置机器学习模型预测巧克力条评分

前步编译数据随机划分为培训样本和测试样本并用模型建模CatBoostRegressor模型明确考虑绝对特征上头root平均平方报错RMSE生成模型约0.459评分,a相对于基准模型RMSE约0.481点提高假设不变评分约3.2分For中选记录数据集)

步骤3-解释获取机器学习模型

在这里,我们正在使用shapley补充规划方法最常用探索