TPS2021年9月预测模型结果数据集
数据来源：互联网公开数据
标签：机器学习,数据科学,预测模型,XGBoost,LightGBM,CatBoost,HistGradientBoosting,特征工程,模型优化,投票分类器
数据概述：
本数据集包含使用梯度提升模型（包括XGBoost, LightGBM, CatBoost和HistGradientBoosting）生成的预测结果。数据集分为三类：
1. 文件后缀为1的文件使用基础模型生成预测结果。
2. 文件后缀为2的文件使用包含特征工程的基础模型生成预测结果。
3. 文件后缀为3的文件使用经过优化并包含特征工程的模型生成预测结果。
此外，数据集还包括通过投票分类器集成多个模型的结果。每个文件包含一个id列和一个{model}pred{num}列，其中model表示使用的梯度提升模型（例如lgb代表LightGBM, xgb代表XGBoost, cb代表CatBoost, hgb代表HistGradientBoosting），num表示上述的文件类别编号。
数据用途概述：
该数据集适用于机器学习和数据科学的教育与学习，帮助研究者理解和比较不同梯度提升模型的预测性能。数据集中的不同预测结果文件可以用于特征工程和模型优化的研究，同时投票分类器的结果有助于提高预测的准确性和鲁棒性。对于数据科学初学者和研究人员而言，这是一个宝贵的学习资源，有助于提升在预测建模方面的技能。
