簡介2025年華中杯C題“就業(yè)狀態(tài)分析與預(yù)測”參賽作品word版圍繞宜昌地區(qū)5000名樣本就業(yè)數(shù)據(jù)面向數(shù)據(jù)分析、機(jī)器學(xué)習(xí)建模及人力資源領(lǐng)域的讀者。內(nèi)容完整覆蓋就業(yè)特征分析、狀態(tài)預(yù)測、模型優(yōu)化與人崗匹配四個(gè)任務(wù)先以KMeans聚類識別出25-35歲、女性和中等學(xué)歷群體失業(yè)風(fēng)險(xiǎn)較高再基于9個(gè)顯著特征構(gòu)建XGBoost模型經(jīng)欠采樣后測試集準(zhǔn)確率91.8%、F1值91.1%引入CPI、GDP增速和崗位供給指數(shù)后準(zhǔn)確率提升至97.6%、F1值94.2%最終通過余弦相似度構(gòu)建人崗匹配模型為失業(yè)者推薦Top-N崗位。包體為1個(gè)docx文檔約860KB含數(shù)據(jù)預(yù)處理、四問建模代碼及附錄圖表文檔從問題重述、模型假設(shè)到數(shù)據(jù)清洗與各問求解均有詳述。已有321人瀏覽學(xué)習(xí)適合需要系統(tǒng)掌握特征選擇、模型評估與優(yōu)化策略的競賽參與者。1. 就業(yè)狀態(tài)預(yù)測不是玄學(xué)從華中杯C題看一份能復(fù)現(xiàn)的分析流程每年華中杯C題都偏向社會經(jīng)濟(jì)數(shù)據(jù)2025年的就業(yè)狀態(tài)分析與預(yù)測同樣如此。拿到題的第一反應(yīng)是“這不就是做個(gè)分類”實(shí)際跑起來才發(fā)現(xiàn)難點(diǎn)不在模型而在你如何定義“就業(yè)狀態(tài)”、如何處理問卷數(shù)據(jù)里的缺失和偏差、如何讓預(yù)測結(jié)果在word版報(bào)告里站得住腳。是預(yù)測三個(gè)月后是否在職還是預(yù)測雇傭類型定義不同特征和評價(jià)指標(biāo)就完全不同。這里按我實(shí)際做這類題目的順序把問題定義、數(shù)據(jù)清洗、特征構(gòu)造、建模調(diào)參到報(bào)告輸出拆成可直接照做的流程適合有Python基礎(chǔ)但沒完整跑過競賽題的讀者也適合想把這套方法遷移到人力資源分析上的從業(yè)者。2. 把題目翻譯成建模任務(wù)就業(yè)狀態(tài)分析與預(yù)測到底在預(yù)測什么2.1 先讀題分類還是回歸預(yù)測窗口怎么定讀題第一件事不是寫代碼而是確認(rèn)題目要你預(yù)測的是什么。就業(yè)狀態(tài)在大多數(shù)賽題里是離散標(biāo)簽比如“已就業(yè)”“待業(yè)”“失業(yè)”“靈活就業(yè)”對應(yīng)多分類任務(wù)但有些題目會把結(jié)果定義成“就業(yè)月收入”或“失業(yè)持續(xù)時(shí)間”那就變成了回歸。把這個(gè)問題搞錯(cuò)后面所有特征工程和模型選型都會跑偏。我拿到題后會先做三件事第一找到目標(biāo)列的名稱和取值說明確認(rèn)它是字符串還是數(shù)值第二確認(rèn)預(yù)測窗口也就是用哪些時(shí)間點(diǎn)的特征去預(yù)測哪個(gè)時(shí)間點(diǎn)的狀態(tài)第三確認(rèn)提交格式華中杯通常要求輸出一個(gè)概率表或類別表。這三件事都會影響數(shù)據(jù)劃分方式也會影響word版報(bào)告里“問題重述”部分的寫法。import pandas as pd df pd.read_excel(train.xlsx, sheet_name0) print(字段列表, df.columns.tolist()) print(目標(biāo)分布) print(df[employment_status].value_counts(dropnaFalse))這段代碼用來建立對數(shù)據(jù)的初步認(rèn)知。value_counts(dropnaFalse)會把缺失值單獨(dú)統(tǒng)計(jì)出來避免你漏看“未填寫就業(yè)狀態(tài)”的樣本。如果目標(biāo)分布里某一個(gè)類別占比超過80%后面就要重點(diǎn)處理類別不平衡而不是直接套accuracy。預(yù)測窗口的常見坑是把測試集的預(yù)測時(shí)點(diǎn)搞錯(cuò)。比如題目說用2024年問卷數(shù)據(jù)預(yù)測2025年6月的就業(yè)狀態(tài)那特征只能取自2024年及之前任何2025年產(chǎn)生的字段都不能出現(xiàn)在特征里。這個(gè)原則我在第五章避坑指南里會專門展開。2.2 特征與標(biāo)簽的邊界沒有“就業(yè)狀態(tài)”這一列怎么辦有的賽題不會直接給你一個(gè)干凈的標(biāo)簽列而是給一系列細(xì)分字段比如“是否有工作”“是否在求職”“工作性質(zhì)”。這時(shí)候需要自己做標(biāo)簽定義。我的做法是寫一個(gè)可解釋的規(guī)則函數(shù)把字段組合成最終標(biāo)簽并在word版報(bào)告里明確寫出這個(gè)口徑因?yàn)樵u委評分時(shí)會檢查你的定義是否合理。def build_label(row): if row[has_job] 1: return employed if row[has_job] 0 and row[job_hunting] 1: return unemployed if row[has_job] 0 and row[job_hunting] 0: return inactive return unknown df[target] df.apply(build_label, axis1)這里的分支順序很重要先判斷是否有工作再判斷是否求職。如果把“求職中”放在最前面會把“有工作但也在看機(jī)會”的人誤判成失業(yè)。標(biāo)簽構(gòu)造完成后要檢查每個(gè)類別的樣本量如果某個(gè)類別只有幾十個(gè)樣本建議合并成“其他”類不然模型根本學(xué)不到模式。標(biāo)簽構(gòu)造的另一個(gè)細(xì)節(jié)是類別順序。如果你最后用LightGBM標(biāo)簽是字符串還是整數(shù)影響不大如果用sklearn的metrics字符串標(biāo)簽也沒問題。但提交word版報(bào)告時(shí)最好附一張“標(biāo)簽口徑對照表”把每個(gè)類別的含義、判定規(guī)則、樣本量列清楚這比寫一大段文字更直觀。2.3 評價(jià)指標(biāo)選型為什么只看準(zhǔn)確率會翻車就業(yè)狀態(tài)數(shù)據(jù)里“已就業(yè)”往往是多數(shù)類可能占70%以上。一個(gè)把所有樣本都預(yù)測成“已就業(yè)”的模型準(zhǔn)確率也有70%但沒有任何使用價(jià)值。競賽和實(shí)際業(yè)務(wù)里更關(guān)注的是能不能把“就業(yè)困難群體”找出來這就需要看少數(shù)類的召回率。我在這類題目里默認(rèn)把宏平均F1作為主要指標(biāo)它把每個(gè)類別當(dāng)成平等的個(gè)體再平均少數(shù)類表現(xiàn)差會直接拉低總分?jǐn)?shù)。如果題目要求識別就業(yè)困難群體我還會額外標(biāo)注“待業(yè)”類的召回率。下面這個(gè)表格可以直接放進(jìn)word版報(bào)告指標(biāo)計(jì)算口徑適用場景accuracy預(yù)測正確的樣本占比各類別均衡時(shí)才有參考價(jià)值macro-F1每個(gè)類別F1的算術(shù)平均多分類不均衡時(shí)的主指標(biāo)weighted-F1按樣本量加權(quán)的F1平均更貼近業(yè)務(wù)真實(shí)分布recall少數(shù)類少數(shù)類中被正確預(yù)測的比例就業(yè)幫扶、失業(yè)預(yù)警場景指標(biāo)選定后交叉驗(yàn)證的 scoring 參數(shù)要跟著改不能默認(rèn)用accuracy。我用GridSearchCV時(shí)會把scoring設(shè)為f1_macro這樣調(diào)參過程也聚焦在少數(shù)類表現(xiàn)上而不是被多數(shù)類帶偏。3. 數(shù)據(jù)清洗與特征工程就業(yè)狀態(tài)預(yù)測的前置戰(zhàn)場3.1 缺失值與異常值處理人口學(xué)字段的常見臟數(shù)據(jù)就業(yè)類數(shù)據(jù)多來自問卷或統(tǒng)計(jì)臺賬臟數(shù)據(jù)集中在年齡、學(xué)歷、工作年限這幾個(gè)字段。年齡出現(xiàn)0、負(fù)數(shù)學(xué)歷字段混雜著“本科”“本科在讀”“學(xué)士”等不同寫法工作年限大于年齡都是實(shí)際跑數(shù)據(jù)時(shí)常碰到的問題。不要一上來就用模型自動填充先做一輪人工規(guī)則清洗讓字段進(jìn)入可建模狀態(tài)。我的標(biāo)準(zhǔn)處理順序是先看每個(gè)字段的缺失率再區(qū)分連續(xù)值和有序分類值分別制定填充策略。年齡、社保繳納月數(shù)這類連續(xù)值用中位數(shù)填充學(xué)歷、單位性質(zhì)這類分類值用眾數(shù)填充同時(shí)單獨(dú)加一列“該字段是否缺失”的布爾標(biāo)記。這個(gè)缺失標(biāo)記列在很多樹模型里能提升效果它捕捉了“填表人不愿意透露某項(xiàng)信息”的隱藏模式。df[age] pd.to_numeric(df[age], errorscoerce) df.loc[(df[age] 16) | (df[age] 65), age] pd.NA df[age] df[age].fillna(df[age].median()) df[education_missing] df[education].isna().astype(int) df[education] df[education].fillna(df[education].mode()[0])pd.to_numeric(errorscoerce)會把“25歲”“25 ”這類文本轉(zhuǎn)成數(shù)值轉(zhuǎn)換不了的變成缺失。年齡限制在16到65是符合勞動力統(tǒng)計(jì)口徑的超出范圍視為異常并交給中位數(shù)兜底。這里要注意fillna和mode()組合時(shí)如果mode()返回的是Series加上[0]取第一個(gè)眾數(shù)避免報(bào)錯(cuò)。3.2 特征編碼與構(gòu)造學(xué)歷、專業(yè)、地域怎么喂給模型學(xué)歷有天然順序初中到博士是遞進(jìn)關(guān)系適合映射成有序整數(shù)專業(yè)沒有順序只能做one-hot或目標(biāo)編碼。很多新手把所有分類特征都丟進(jìn)get_dummies結(jié)果專業(yè)類別有幾百個(gè)特征矩陣膨大模型訓(xùn)練變慢還過擬合。我的做法是先看類別數(shù)量小于20個(gè)的做one-hot大于20個(gè)的考慮目標(biāo)編碼或按業(yè)務(wù)合并。education_order {初中: 1, 高中: 2, 大專: 3, 本科: 4, 碩士: 5, 博士: 6} df[education_ord] df[education].map(education_order) top_majors df[major].value_counts().head(10).index df[major_group] df[major].apply(lambda x: x if x in top_majors else 其他) df pd.get_dummies(df, columns[major_group], prefixmajor)學(xué)歷映射成有序整數(shù)后模型能利用“本科層次高于大?！钡捻樞蛐畔⒌⒁庥成浔聿荒艹霈F(xiàn)遺漏比如原始數(shù)據(jù)里的“研究生”和“碩士”是兩種寫法要先統(tǒng)一。專業(yè)字段只保留出現(xiàn)次數(shù)最多的前10個(gè)其他并成“其他”這樣one-hot之后的維度可控又不會丟失太多信息。地域字段我一般會構(gòu)造業(yè)務(wù)特征而不是直接編碼。比如把省份映射到東部/中部/西部或者構(gòu)造“是否本地戶籍”“是否在省會城市”這類二值特征。原因很簡單就業(yè)狀態(tài)和區(qū)域經(jīng)濟(jì)水平直接相關(guān)但one-hot省份會分散到幾十個(gè)維度樹模型很難從里面學(xué)到有效規(guī)律。3.3 時(shí)間特征與平衡處理預(yù)測未來狀態(tài)必須注意的泄漏如果數(shù)據(jù)里有畢業(yè)年份、調(diào)查月份這類時(shí)間字段可以構(gòu)造“畢業(yè)到調(diào)查的時(shí)間間隔”。但這個(gè)間隔要小心如果題目已經(jīng)用這個(gè)間隔定義了標(biāo)簽比如“畢業(yè)6個(gè)月后就業(yè)”那這個(gè)特征就帶上了標(biāo)簽信息放進(jìn)模型就是典型的泄漏。另一個(gè)更隱蔽的泄漏是統(tǒng)計(jì)量特征。有人會把“同城市其他樣本的就業(yè)率”算出來當(dāng)特征這在訓(xùn)練集上很有效因?yàn)闇y試集評分時(shí)用的是同分布的統(tǒng)計(jì)量但實(shí)際部署時(shí)你拿不到未來群體的就業(yè)率。處理辦法是所有聚合統(tǒng)計(jì)量必須基于特征產(chǎn)生時(shí)刻之前的數(shù)據(jù)并且在交叉驗(yàn)證內(nèi)計(jì)算不能在外面算好再塞進(jìn)去。from sklearn.model_selection import GroupKFold groups df[city_id] gkf GroupKFold(n_splits5) for train_idx, val_idx in gkf.split(df, y, groupsgroups): train_data df.iloc[train_idx] val_data df.iloc[val_idx] # 只在train_data上計(jì)算城市統(tǒng)計(jì)量再映射到val_data這里用城市作為分組依據(jù)保證同一個(gè)城市的人不會同時(shí)出現(xiàn)在訓(xùn)練集和驗(yàn)證集里。在這種分組下計(jì)算任何群體統(tǒng)計(jì)量都要先fit訓(xùn)練集再transform驗(yàn)證集這就是防止數(shù)據(jù)穿越的標(biāo)準(zhǔn)姿勢。類別不平衡處理放在特征工程之后。常用手段是先試class_weight不行再做SMOTE過采樣。過采樣必須放在交叉驗(yàn)證的每一折內(nèi)部先劃分再采樣不然合成樣本會同時(shí)出現(xiàn)在訓(xùn)練集和驗(yàn)證集里驗(yàn)證分?jǐn)?shù)虛高提交后大概率翻車。4. 建模與調(diào)參從邏輯回歸到樹模型的落地對比4.1 基線模型先行邏輯回歸給你一個(gè)可解釋的起點(diǎn)不要一上來就調(diào)LightGBM。先跑通一個(gè)邏輯回歸把整個(gè)流程驗(yàn)證一遍包括數(shù)據(jù)劃分、指標(biāo)計(jì)算、預(yù)測結(jié)果輸出再逐步換復(fù)雜模型。邏輯回歸的好處是訓(xùn)練快、系數(shù)可解釋寫word版報(bào)告時(shí)可以直接列出“學(xué)歷、工作經(jīng)歷對就業(yè)概率的影響方向”評委容易看懂。邏輯回歸對特征縮放敏感連續(xù)特征必須標(biāo)準(zhǔn)化。同時(shí)多分類要做softmax而不是默認(rèn)的one-vs-rest這樣輸出的概率加起來等于1方便后續(xù)做概率校準(zhǔn)。類別不均衡用class_weightbalanced就行它按類別頻率反比調(diào)整權(quán)重比手動調(diào)閾值省事。from sklearn.linear_model import LogisticRegression from sklearn.preprocessing import StandardScaler from sklearn.pipeline import Pipeline pipeline Pipeline([ (scaler, StandardScaler()), (clf, LogisticRegression(max_iter1000, multi_classmultinomial, class_weightbalanced)) ]) pipeline.fit(X_train, y_train)把StandardScaler和LogisticRegression放進(jìn)同一個(gè)Pipelinefit時(shí)只會用訓(xùn)練集的均值和方差去標(biāo)準(zhǔn)化驗(yàn)證集不會引入泄漏。multi_classmultinomial是softmax多分類和“一對多”的區(qū)別是它一次性輸出所有類別的概率分布后續(xù)做概率閾值調(diào)整更方便。如果max_iter不夠會出現(xiàn)收斂警告加大到2000。4.2 樹模型與集成LightGBM五個(gè)必調(diào)參數(shù)邏輯回歸跑通后用樹模型拉高分?jǐn)?shù)。就業(yè)狀態(tài)這類表格數(shù)據(jù)LightGBM基本是默認(rèn)最優(yōu)解比隨機(jī)森林快、準(zhǔn)確率也更高。它需要調(diào)的參數(shù)不多我一般只動五個(gè)learning_rate、num_leaves、min_child_samples、feature_fraction、bagging_fraction。前兩個(gè)控制模型容量后三個(gè)控制過擬合。建議先固定learning_rate0.05用early_stopping找最佳迭代輪數(shù)。葉子數(shù)num_leaves從31開始如果驗(yàn)證集分?jǐn)?shù)不再上升就調(diào)小如果訓(xùn)練集分?jǐn)?shù)遠(yuǎn)高于驗(yàn)證集就調(diào)大min_child_samples和feature_fraction。import lightgbm as lgb model lgb.LGBMClassifier( objectivemulticlass, num_classlen(set(y_train)), learning_rate0.05, num_leaves31, min_child_samples20, feature_fraction0.8, bagging_fraction0.8, bagging_freq1, random_state42, verbosity-1 ) model.fit( X_train, y_train, eval_set[(X_val, y_val)], callbacks[lgb.early_stopping(50, verboseTrue)] )early_stopping(50)表示連續(xù)50輪驗(yàn)證分?jǐn)?shù)不提升就停止它會自動幫你在最佳迭代輪數(shù)附近截?cái)?。feature_fraction0.8表示每棵樹只用80%的隨機(jī)特征這能讓樹之間的差異更大集成效果更好。bagging_freq1配合bagging_fraction0.8做行采樣相當(dāng)于給模型加了一層隨機(jī)性對抑制過擬合比單純調(diào)depth更有效。調(diào)參不要用網(wǎng)格搜索一把梭維度高、耗時(shí)大。我一般是手動調(diào)三輪先調(diào)learning_rate和num_leaves再調(diào)min_child_samples最后調(diào)feature_fraction。每輪只看交叉驗(yàn)證的macro-F1不看訓(xùn)練集分?jǐn)?shù)。4.3 概率校準(zhǔn)與模型融合預(yù)測就業(yè)狀態(tài)的最后一公里多分類樹模型輸出的概率往往未校準(zhǔn)類別不均衡時(shí)概率值會整體偏向多數(shù)類。如果不做任何處理直接取argmax作為最終預(yù)測少數(shù)類的召回率會被進(jìn)一步壓制。解決辦法是做一個(gè)簡單的概率校準(zhǔn)把邏輯回歸的校準(zhǔn)能力遷移到樹模型上。from sklearn.calibration import CalibratedClassifierCV calibrated CalibratedClassifierCV(model, methodisotonic, cv3) calibrated.fit(X_train, y_train) proba calibrated.predict_proba(X_test)methodisotonic是等滲回歸校準(zhǔn)它在樣本量足夠時(shí)比platt縮放更靈活cv3表示用三折交叉驗(yàn)證生成校準(zhǔn)器的概率輸入避免在訓(xùn)練集上自校準(zhǔn)造成過擬合。校準(zhǔn)之后用proba的每一列做閾值判斷時(shí)得到的概率值可以被解釋為“真實(shí)就業(yè)概率”寫報(bào)告時(shí)更好交代。融合方面如果是競賽可以在邏輯回歸和LightGBM之間做軟投票概率平均后再選最大者。但要注意如果兩個(gè)模型相關(guān)性很高融合提升很有限邏輯回歸和樹模型差異大融合效果才明顯。如果題目要求提交word版報(bào)告我會在報(bào)告中寫清楚融合權(quán)重和理由不做黑匣子式堆疊。5. 避坑指南就業(yè)狀態(tài)預(yù)測最常見的5個(gè)翻車點(diǎn)5.1 數(shù)據(jù)泄漏驗(yàn)證分?jǐn)?shù)虛高提交后崩盤現(xiàn)象交叉驗(yàn)證宏F1有0.92預(yù)測測試集后分?jǐn)?shù)只有0.55差距大得反常。原因某個(gè)特征包含了和標(biāo)簽同期的未來信息。最常見的是把“調(diào)查時(shí)點(diǎn)月收入”放進(jìn)特征來預(yù)測“調(diào)查時(shí)點(diǎn)就業(yè)狀態(tài)”或者把全樣本統(tǒng)計(jì)量當(dāng)特征。解決建立特征時(shí)間線逐個(gè)字段確認(rèn)它在預(yù)測時(shí)點(diǎn)是否已經(jīng)產(chǎn)生。報(bào)告里列一張?zhí)卣骺捎眯员肀葘懯湓挾加姓f服力。5.2 類別不平衡模型全部預(yù)測成多數(shù)類現(xiàn)象驗(yàn)證準(zhǔn)確率75%但“待業(yè)”類別的召回率是0。原因模型默認(rèn)閾值0.5對所有類別一視同仁多數(shù)類的概率普遍更高少數(shù)類閾值完全夠不著。解決先加class_weight再看少數(shù)類召回率有沒有起來。如果不夠在預(yù)測階段對少數(shù)類下調(diào)閾值比如把“待業(yè)”的判定閾值從0.5降到0.3。閾值調(diào)整要在驗(yàn)證集上做不能拍腦袋。5.3 特征穿越用衍生指標(biāo)預(yù)測自身現(xiàn)象特征重要性排第一的是“所在城市就業(yè)率”“目標(biāo)變量均值”這類聚合特征。原因構(gòu)造特征時(shí)用了目標(biāo)變量的統(tǒng)計(jì)信息比如把訓(xùn)練集全樣本的就業(yè)率按城市聚合后放回訓(xùn)練集。這屬于標(biāo)簽信息的泄漏變體肉眼很難發(fā)現(xiàn)。解決訓(xùn)練前檢查特征名和構(gòu)造代碼凡是特征構(gòu)造過程里出現(xiàn)過目標(biāo)列一律刪除。聚合統(tǒng)計(jì)只能在交叉驗(yàn)證的每一折內(nèi)部計(jì)算并且只能基于訓(xùn)練折。5.4 驗(yàn)證集劃分錯(cuò)誤隨機(jī)劃分讓結(jié)果失真現(xiàn)象同樣的模型隨機(jī)劃分cv分?jǐn)?shù)比按地域劃分高一大截。原因問卷數(shù)據(jù)往往存在地域聚集同一個(gè)城市的人高度相似隨機(jī)劃分把同一城市樣本同時(shí)塞進(jìn)訓(xùn)練和驗(yàn)證相當(dāng)于把“見過的人”拿去驗(yàn)證。解決訓(xùn)練前確認(rèn)數(shù)據(jù)里有沒有city_id、省份、調(diào)查批次這類分組字段有就優(yōu)先用GroupKFold或按時(shí)間切分。雖然分?jǐn)?shù)會下降但那是真實(shí)水平的反應(yīng)提交后不會翻車。5.5 報(bào)告格式與解釋缺失模型再好也拿不到分現(xiàn)象word版報(bào)告里只有模型公式、代碼截圖和結(jié)果表沒有特征解釋、沒有邊界說明。原因把競賽報(bào)告寫成了技術(shù)文檔忽略了評委要看的是“你如何理解這個(gè)問題”。解決每個(gè)重要特征配一句業(yè)務(wù)解釋比如“實(shí)習(xí)經(jīng)歷特征重要性高說明實(shí)訓(xùn)經(jīng)歷對就業(yè)有正向作用”模型結(jié)果部分補(bǔ)一段誤差分析講清楚哪些樣本容易預(yù)測錯(cuò)比堆一堆指標(biāo)更打動人。6. 進(jìn)階把預(yù)測結(jié)果寫成一份能拿獎的word版報(bào)告6.1 用SHAP值替代傳統(tǒng)重要性樹模型自帶的feature_importance只能告訴你“哪個(gè)特征被用得多”SHAP值能告訴你“這個(gè)特征在什么取值下把預(yù)測推向哪個(gè)方向”。就業(yè)狀態(tài)預(yù)測里年齡和學(xué)歷對概率的影響不是單調(diào)的SHAP散點(diǎn)圖能直接展示這種非線性。生成一張SHAP summary圖放進(jìn)word版報(bào)告評委能一眼看出你對模型行為的理解程度。import shap explainer shap.TreeExplainer(model) shap_values explainer.shap_values(X_val) shap.summary_plot(shap_values, X_val, feature_namesX_val.columns.tolist())6.2 敏感性與邊界說明報(bào)告最后要寫“模型在什么情況下不適用”比如樣本集中在某省、問卷回收率低導(dǎo)致的樣本偏差、預(yù)測窗口超過一年后可信度下降。這個(gè)邊界說明不是減分項(xiàng)反而是工程素養(yǎng)的體現(xiàn)。我去年做類似題目時(shí)因?yàn)閷懬辶恕皟H適用于短期預(yù)測”而被評委認(rèn)可。另外把閾值調(diào)整過程做一個(gè)簡單敏感性分析寫清楚閾值從0.3到0.5變化時(shí)少數(shù)類召回率和誤報(bào)率各是多少并給出你最終選擇閾值的理由。最后分享一個(gè)教訓(xùn)我最早做這類題目時(shí)光顧著調(diào)模型分?jǐn)?shù)忽略了對標(biāo)簽口徑的說明結(jié)果word版報(bào)告里被評委抓著“就業(yè)狀態(tài)的判定依據(jù)”提問當(dāng)場沒答好。現(xiàn)在我會在報(bào)告第一頁就放標(biāo)簽定義表把每個(gè)類別的來源和判定規(guī)則寫死。希望這整套流程能幫你把模型分?jǐn)?shù)和報(bào)告質(zhì)量同時(shí)拉起來。本文還有配套的精品資源點(diǎn)擊獲取