# New-York-City-Taxi-Trip-Duration
主要是修改Kernelhttps://www.kaggle.com/gaborfodor/from-eda-to-the-top-lb-0-367<br>
Stacking:https://github.com/freelzy/Tencent_Social_Ads<br>
修改部分:调参,Stacking,线性加权<br>
pre_processing.py:特征工程<br>
stacking_processing.py:xgb和lgb5折cv对训练集和测试集分别预测,作为两列特征保存<br>
Stacking_lgb.py:把xgb 5折cv生成的一列特征加到原始特征上,用lgb进行5折cv<br>
Stacking_xgb.py:把lgb 5折cv生成的一列特征加到原始特征上,用xgb进行5折cv<br>
Line_stacking.py:线性加权<br>
模型:Xgboost,lightGBM<br>
最优成绩:Public 0.37210,(xgb 5折cv)*0.6+(lgb stacking)*0.4 <br>
说明:最优成绩并不是xgb_stacking与lgb_stacking线性加权得到,而是xgb 5折cv与lgb_stacking线性加权得到<br>
目的:保存代码<br>
致谢:感谢Kernel部分各位选手的开源方案,受益匪浅