预测模型预测及评估-基于多种模型集成学习的旅行目的地.ipynb

方法描述部分主要侧重描述本文运用的预测模型，以及其中的框架，同时指出用于评价模型的指标。首先我们根据特征自动化选择的结果，决定选择'gender', "first_affiliate_tracked","first_browser","time_gap","bins","Search_Booking_Gap_2","signup_method_flow","affiliate_channel_provider"作为我们的特征变量。 涉及到：KNN、SVM、DT、Stacking、AdaBoost、GBDT、Random Forest、XGBoost、RNN，同时在评估指标方面指出混淆矩阵、二级指标、三级指标和kappa系数。