美年健康AI大赛—双高疾病风险预测.zip

### 团队：Unreal ### Rank：10 ### 代码说明 #### data_pre_process       1.origin_part1_part2_row2col：进行原始数据转换，包括行转列，去重等；       2. get_num_features，生成数值特征的表；       3. get_word_features，生成文字特征的表；       4. data_merge_split，合并数值、文字以及snp数据。 #### feature_selection       1. 分别针对sys, dia, tl, hdl, ldl 运行snp_drop_one_hot, 得出五个对应特征的数据集，这一步骤主要是删去gbdt预训练中不重要的snp特征，然后进行one_hot编码；       2. 分别针对sys, dia, tl, hdl, ldl 运行get_best_rounds, 得出a步骤五个数据对应的五折最优迭代次数。 #### every_prediction_model       运行所有文件，得出sys，dia，tl，hdl，ldl在测试集上的预测结果。 #### xgb_model       1. add_prefix_for_xgb_model，得出带有前缀的特征数据集；       2. split_5_fold_data_xgb，分割五折训练的数据；       3. baseline_xgboost_jz，训练xgb模型；       4. calc_xgb_test_loss_and_save, 将c步骤中的五个tl的预测结果融合并取均值。 #### submit_result 提交最终结果，最终结果是sys，dia，hdl，ldl为gbdt单模型，tl为gbdt和xgb的加权融合，比例为0.7和0.35。 A榜单模型GBDT最优得分为0.0318，B榜单模型GBDT最优0.0321，tl加权融合后最优成绩0.0319。 ### 队友Github zhuifeng414: https://github.com/Zhuifeng414 wzm : https://github.com/w-zm