# Mathorcup2021

**Repository Path**: wgj439/mathorcup2021

## Basic Information

- **Project Name**: Mathorcup2021
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2022-01-16
- **Last Updated**: 2022-01-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 时间变量的处理

对时间变量处理方法：通过python的 `time`库将日期变量转换为时间戳

```python
import time# 将日期转换为时间戳
data_train['tradetime']=data_train['tradetime'].apply(lambda x:None if x is None else time.mktime(time.strptime(x,"%Y-%m-%d")))
data_train['registerdate']=data_train['registerdate'].apply(lambda x:None if x is None else time.mktime(time.strptime(x,"%Y-%m-%d")))
data_train['licenseDate']=data_train['licenseDate'].apply(lambda x:None if x is None else time.mktime(time.strptime(x,"%Y-%m-%d")))
data_train[6]=data_train[6].apply(lambda x:None if x is np.nan else time.mktime(time.strptime(x,"%Y-%m-%d")))
```

可以在 `data_q1 copy.ipynb`中看到结果

但是回归结果不尽人意，拟合优度甚至是负的。

个人对xgboost的理解：xgboost是不用做特征缩放和缺失值处理的，因此将时间戳归一化是没有意义的。

## 个人建议

舍弃了时间变量的拟合优度R2-score=0.95，其实已经相当准确，只要在论文中写上我们考虑了对时间变量的处理，发现处理后反而影响了模型拟合， 这样是不是会好一点？