《表2 融合方法分数:基于RNN和GBDT融合方法的用户活跃度预测》
提出的两阶段学习过程包括特征工程和参数优化等技术部分。我们应用不同的参数来获得最终的结果。使用了最佳CatBoost的结果和两个RNN模型的结果进行集成,得到了最高的分数。我们融合策略是叠加和平均,使用ManyToMany的结果作为训练CatBoost的特征,并应用CatBoost模型的结果和RNN-ManyToMany结果的平均值。我们提交了线下验证集上的最高分数,最终在排行榜上的得分为0.7671。
图表编号 | XD00139868700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 盛爱林、左劼、孙频捷 |
绘制单位 | 四川大学计算机学院、四川大学计算机学院、上海政法学院 |
更多格式 | 高清、无水印(增值服务) |