Kaggle housing prices competition

Plan

• s’enregistrer sur Kaggle
• rejoindre la competition Spaceship titanic
• ouvrir un notebook Colab

Data processing

• simple data processing
  • missing values : SimpleImputer (median) ou ajouter “missing” dans les categories
  • on garde les outliers pour le moment

Design matrix et target vector

• numeriser les variables non numerique : creer les transformations (OrdinalEncoder)
  • categories sur train et test:
  • boolean

Baseline

• sur le train.csv
  • etablir un baseline avec un simple model
    • 50/50
    • regression lineaire
• sur le test numerisee
  • predire avec le model
• creer le pipeline de traitement qui permet de soumettre dans la competition

Modeles

• travailler avec les modeles suivants:
  • Modele lineaire
  • decision tree
  • entrainer une random forest avec parametres par defaut
  • optimiser
    • detecter overfit
    • cross validation
    • grid search + cross validation

Revenir au traitement des données

• outliers:
  • cap
  • cap + flag
  • binning
• different categories encoding : label encoder, binary encoding,