阿里天池大赛[人工智能辅助糖尿病遗传风险预测]赛后总结

    # 得分score按照题目要求实现
    # 利用xgboost的树模型以及泊松分布(label大致符合泊松分布)
    # 误差rmse为均方根误差(均方误差开方)
    # 参数如下，1000-50次迭代
    para = {
    'booster': 'gbtree',
    'objective': 'count:poisson',
    'eval_metric': 'rmse',
    'eta': 0.3,  # alpha
    'silent': 1,
    'max_depth': 3,
    'subsample': 0.9,  # 0.9样本选取率 防止过拟合
    "miss": -999,
    "lambda":1.5
    }

    # 去掉乙肝五项 id 体检日期
    train_file.drop(['乙肝表面抗原', '乙肝表面抗体', '乙肝e抗原', '乙肝e抗体', '乙肝核心抗体', 'id', '体检日期'],axis=1,inplace=True)
    test_file.drop(['乙肝表面抗原', '乙肝表面抗体', '乙肝e抗原', '乙肝e抗体', '乙肝核心抗体', 'id', '体检日期'],axis=1,inplace=True)
    # 白球比例是指肝功能白球比例（白球比）=白蛋白/球蛋白=白蛋白/（总蛋白-白蛋白）
    # 单核细胞 白细胞冲突
    train_file.drop(['单核细胞%','白球比例','白蛋白','*总蛋白'],axis=1,inplace=True)
    test_file.drop(['单核细胞%','白球比例','白蛋白','*总蛋白'],axis=1,inplace=True)
    
    # 合并相似项目 酶
    train_file['酶'] = train_file['*天门冬氨酸氨基转换酶'] + train_file["*丙氨酸氨基转换酶"] \
                  + train_file["*碱性磷酸酶"] + train_file["*r-谷氨酰基转换酶"]
    test_file['酶'] = test_file["*天门冬氨酸氨基转换酶"] + test_file["*丙氨酸氨基转换酶"] \
                 + test_file["*碱性磷酸酶"] + test_file["*r-谷氨酰基转换酶"]
    
    # 血细胞计数 * 平均参数
    train_file['红细胞总血红蛋白量'] = train_file['红细胞计数'] * train_file['红细胞平均血红蛋白量']
    test_file['红细胞总血红蛋白量'] = test_file['红细胞计数'] * test_file['红细胞平均血红蛋白量']
    
    train_file['红细胞总血红蛋白浓度'] = train_file['红细胞计数'] * train_file['红细胞平均血红蛋白浓度']
    test_file['红细胞总血红蛋白浓度'] = test_file['红细胞计数'] * test_file['红细胞平均血红蛋白浓度']
    
    train_file['红细胞总体积'] = train_file['红细胞计数'] * train_file['红细胞平均体积']
    test_file['红细胞总体积'] = test_file['红细胞计数'] * test_file['红细胞平均体积']
    
    train_file['血小板总体积'] = train_file['血小板计数'] * train_file['血小板平均体积']
    test_file['血小板总体积'] = test_file['血小板计数'] * test_file['血小板平均体积']
    # cv 0.7912094213627026
    
    # 肾指标
    train_file['肾'] = train_file['尿酸'] + train_file['尿素'] + train_file['肌酐']
    test_file['肾'] = test_file['尿酸'] + test_file['尿素'] + test_file['肌酐']
    
    # 嗜酸细胞
    train_file["嗜酸细胞"] = train_file['白细胞计数'] * train_file["嗜酸细胞%"]
    test_file["嗜酸细胞"] = test_file['白细胞计数'] * test_file["嗜酸细胞%"]
    
    # 删除嗜碱细胞 与嗜酸细胞矛盾
    train_file.drop(['嗜碱细胞%'],axis=1,inplace=True)
    test_file.drop(['嗜碱细胞%'],axis=1,inplace=True)
    
    # 删除年龄异常值
    train_file = train_file[train_file['血糖'] <= 18]
    
    # 利用lgb中goss+泊松模型的lgb参数设置
    # 1500-50迭代
    lgb_para = {
        'learning_rate': 0.03,  
        'boosting_type': 'goss',
        'objective': 'poisson',
        'metric': 'rmse',  
        'max_depth': 4,
        'sub_feature': 0.9,
        'colsample_bytree': 0.9,
        'verbose': -1 
    }

    xgb_para = {
    'booster': 'gbtree',
    'objective': 'count:poisson',
    'eval_metric': 'rmse',
    'eta': 0.03,  #
    'silent': 1,
    'max_depth': 4,    # 4 best
    'subsample': 0.9,  # 0.9 best
    "miss": -999,
    "colsample_bytree": 0.7,
    "lambda":1.5 # 1.5 best
    }